您遇到的错误表明，TensorFlow 没有检测到您的 GPU。错误信息 CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected 以及没有显示 GPU 设备的情况通常是由于以下几种原因导致的：

可能的问题与解决方法：

1. CUDA 和 cuDNN 驱动安装不正确或不兼容

由于您使用的是 TensorFlow 2.3.1 和 CUDA 10.1，确保 CUDA、cuDNN 以及显卡驱动之间的版本兼容性是非常重要的。

解决方法：
- 检查 CUDA 驱动是否安装正确：
bash nvidia-smi
这会显示您的 NVIDIA GPU 驱动状态。如果命令没有正确显示您的显卡信息，说明显卡驱动没有安装或未正常加载。

 - **安装或更新 NVIDIA 驱动：**
   在 Ubuntu 上，您可以使用以下命令来安装或更新 NVIDIA 驱动：
   ```bash
   sudo apt update
   sudo apt install nvidia-driver-450  # 可以根据显卡型号选择合适的版本
   sudo reboot
   ```

• 验证 CUDA 和 cuDNN 版本：
  • CUDA 10.1 与 cuDNN 7.6： 确保已正确安装对应版本的 CUDA 和 cuDNN。您可以按照 TensorFlow 官方要求 验证版本匹配性。
  • 下载并安装适用于 CUDA 10.1 的 cuDNN 7.6 版本。

检查 CUDA 是否工作：
bash nvcc --version # 查看安装的 CUDA 版本

2. TensorFlow 版本与 CUDA 和 cuDNN 版本不匹配

TensorFlow 2.3.1 对应的是 CUDA 10.1 和 cuDNN 7.6，但有时候即使版本匹配，安装过程中的一些细节也可能导致不兼容。

解决方法：
- 如果你不确定安装是否成功，考虑重新安装 TensorFlow 和相关的库：
bash pip uninstall tensorflow-gpu pip install tensorflow-gpu==2.3.1

• 如果 CUDA 版本不匹配，也可以考虑升级 TensorFlow 或更改 CUDA 版本。例如，如果您可以更新到 CUDA 11.x，并且升级 TensorFlow 到 2.4 或更高版本。

3. 检查 GPU 是否被正确识别

解决方法：
您可以检查 TensorFlow 是否能够看到 GPU，使用以下代码：

python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

这应该会返回一个显示 GPU 数量的结果。如果仍然是 0，则表明 CUDA 驱动没有正确工作。

4. CUDA 驱动可能没有被正确加载

如果您在 Ubuntu 上安装了 CUDA 但未正确加载相关的驱动，可以尝试以下命令：

bash sudo modprobe nvidia

5. Python 环境问题

由于您可能使用了 virtualenv 或 conda 环境，确保您的虚拟环境能够访问 GPU。确保 tensorflow-gpu 已正确安装并在环境中启用。

解决方法：
确保您在 Python 环境中正确安装了以下库：

bash pip install tensorflow-gpu pip install nvidia-pyindex pip install nvidia-tensorflow

6. 检查 CUDA 路径是否配置正确

确保您的 CUDA 路径被正确设置。在 ~/.bashrc 或 ~/.zshrc 中配置路径：

bash export PATH=/usr/local/cuda-10.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH

然后运行以下命令使配置生效：

bash source ~/.bashrc

7. 其他问题排查

• 检查 TensorFlow GPU 配置： 使用 tf.config.list_physical_devices('GPU') 可以确认 TensorFlow 是否检测到 GPU：

  python import tensorflow as tf physical_devices = tf.config.list_physical_devices('GPU') if physical_devices: print(f"Found {len(physical_devices)} GPU(s)") else: print("No GPU detected")

总结：

1. 确保 NVIDIA 驱动和 CUDA 配置正确。
2. 确保 TensorFlow 与 CUDA 和 cuDNN 版本兼容。
3. 确保 TensorFlow 能够正确识别和使用 GPU。

如果执行了上述步骤后问题依旧存在，可能需要检查 TensorFlow 安装是否完全正确，或者尝试重装相关软件包。