问题情况如下：

在使用深度学习模型进行模型训练预测时，遇到如下信息提示：

这是一个 CUDA错误消息，表示没有检测到具有 CUDA 能力的设备。这意味着您的系统上没有 NVIDIA GPU 或者 GPU 驱动程序未正确安装。 

要解决这个问题，首先需要安装 NVIDIA CUDA 设备驱动程序和 CUDA工具包，并确保它们的版本与正在运行的框架要求的版本匹配。还需要将 CUDA 的路径添加到系统环境变量中，以便的程序能够找到它。

我使用的深度学习框架式Tensorflow，各版本对应信息如下，官网可查：

如果您已经安装了 CUDA 设备驱动程序和工具包，并且仍然遇到这个问题，则需要确认设备是否正确安装和连接。

【问题解决】：

（一）检查GPU是否能正常运行

<code># 导入必要的库

import tensorflow as tf

physical_gpus = tf.config.list_physical_devices('GPU')

print("可用的GPU设备列表：")

for gpu in physical_gpus:

# 循环打印gpu的设备信息

print(gpu)

 （二）手动添加使用GPU的代码段

import os

# 需要首先确认自己有几个可以使用GPU，可以通过打印GPU设备列表来确定可使用GPU的序号

# 一般情况，排序先从0开始，若只有一个GPU，则赋值就为0

os.environ['CUDA_VISIBLE_DEVICES'] = '0'

config = tf.compat.v1.ConfigProto()

config.gpu_options.allow_growth = True

session = tf.compat.v1.Session(config=config)

（三）监控GPU使用情况 

终端中输入：

nvidia-smi 

 详细指令信息参考：GPU之nvidia-smi命令详解-CSDN博客