这个本质原因不是同时装了多个tensorflow的问题，而是多个python环境在执行程序时没有选择正确。这里给一个完整的验证tensorflow-GPU是否可用的程序：

当遇到TensorFlow-GPU无法使用的错误，并非由于安装了多个TensorFlow版本，而是可能因为Python环境中没有正确配置所依赖的GPU版本。要验证GPU是否可用，可以编写一个简单的脚本来测试。下面是一个示例：

import tensorflow as tf

def test_gpu():
    try:
        # 验证GPU设备是否存在
        gpus = tf.config.list_physical_devices('GPU')
        if gpus:
            print("Found GPUs:", [gp.name for gp in gpus])
            # 启用GPU并创建一个简单会话检查
            tf.config.experimental.set_memory_growth(gpus[0], True)
            session = tf.Session(config=tf.ConfigProto(log_device_placement=True))
            with session.as_default():
                a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
                b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
                c = tf.matmul(a, b)
                print(c.eval())
    except Exception as e:
        print("Error occurred:", str(e))

test_gpu()

运行这个程序如果能够打印出GPU设备信息并成功计算结果，说明当前Python环境下的TensorFlow支持GPU；反之，可能会提示错误或使用CPU。