没想到在Windows部署深度学习模型上面遇到了这么多问题，搞了将近一个月了，问题还是没有彻底解决（TensorFlow识别GPU难道就这么难吗？还是我的GPU有问题？）。
搞的时间太长容易心态崩，既然我自己搞不定，那就把各路人工智能大神拉出来试一下。
我先总结了一下我的问题：我创建了一台Windows10虚拟机，配置是48核CPU（E5 2678V3），128 GB内存，并为虚拟机通过PCI直通方式挂载了GPU，GPU型号为Tesla M4。现在，我已经使用anaconda部署了TensorFlow环境，版本为2.15.0。已经安装了GPU的驱动，版本为537.70，安装了CUDA，版本为12.3，安装了cuDNN，版本为8.9.6，使用nvcc --version进行检查，可以看到回显的CUDA版本为V12.3.103。我希望在TensorFlow中使用该GPU，但tf.test.is_gpu_available()函数返回 False，需要如何排查？
先试试文心一言。
怎么说呢，通篇没什么可用的信息。基本上是把我前面的操作过程重复了一遍，最后的结论是“如果以上方法都无法解决问题，你可以考虑在TensorFlow的官方论坛、StackOverflow或GitHub上提问，提供详细的错误信息和配置信息，寻求社区的帮助”。这个回答也是相当可以，直接把问题甩出去了；我遇到也不止一次了，文心一言让我联系专业人士、或者去其他地方寻求帮助，太无语了！
接下来是通义千问。
比文心一言稍微强一些，多了一些实质性的配置和验证方法，但简单验证之后，发现还是无法解决问题。尤其是最新版的驱动竟然说可能比较旧，不知道联网更新没有。
最终结论是“如果以上步骤都不能解决问题，可能需要进一步检查你的虚拟机配置和硬件兼容性”，一句客套话。
接下来是免费版的ChatGPT 3.5。
很显然，他将我的问题归咎为使用软件版本过高，超出了它的认知范围。换个方式追问一下。
相比于通义千问，多了一个检查Anaconda环境的步骤，但实际上还是解决不了问题。
接下来是号称使用了GPT4模型的微软Copilot。
按照它的检索过程来看，我写了这么多描述，它只提取了排查TensorFlow GPU这一段，我感觉还是很失望的，没有ChatGPT上下文语境对话的感觉。
最后是Google新推出的Gemini。
这个回答是我没想到的，难道是我安装CUDA和cuDNN的方式不对？但是它最后一行命令存在一些错误。
从TensorFlow官网文档来看，只有对于1.15及更早版本，CPU和GPU的软件包才是分开的，之后的版本只有tensorflow一个软件包。
考虑到几家都提到的兼容性问题，我突然想问一下TensorFlow支持Tesla M4吗？
Gemini的回答很新奇，和其他几家的回显方式不一样，它是等待一段时间后，直接将所有的回答一次性输出，不是打字机的输出方式。而且，他竟然还一次输出了3个回答，通过点击，可以查看其他输出的回答。
按照Gemini的提示，应该是和组件的版本存在关联，如果大家都这么说，后面可以试一下。
按照ChatGPT的回答，同样要考虑兼容性的问题，但是给出来的版本和Gemini不一致，他这个是它知识库里面的最新版本。
通义千问的做法是让我自己去查相关的文档资料，但“新版本可能不再支持像Tesla M4这样的旧GPU”这句话有点扎心。
Copilot的回答也是比较潦草。
还有文心一言，可以说是言简意赅的有些敷衍了。
综合来讲，从知识库来看，Gemini可能确实要比ChatGPT稍微好一些。可能后面要多关照一下这个新模型了，感觉起码应该比Copilot和文心一言要强一些。
不过现在Gemini比较反人类的一点是，复制按钮为什么要隐藏起来？
那么问题来了，有没有比这些人工智能模型还厉害的人工呢？
