我刚刚通过pip install tensorflow 安装了最新版本的 Tensorflow，每当我运行程序时，我都会收到日志消息：
W tensorflow/stream_executor/platform/default/dso_loader.cc:55] 无法加载动态库 'cudart64_101.dll'; dlerror: 找不到 cudart64_101.dll
这很糟糕吗？如何修复错误？
【问题讨论】：
标签： python python-3.x tensorflow keras tensorflow2.0
使用new Tensorflow 2.1 release，默认的tensorflow pip 包包含CPU 和GPU 版本的TF。在以前的 TF 版本中，找不到 CUDA 库会发出错误并引发异常，而现在库会动态搜索正确的 CUDA 版本，如果找不到，则会发出警告（W 开头代表警告，错误有一个 E（或 F 代表致命错误）并回退到 CPU-only 模式。实际上，这也是在警告之后立即作为信息消息写入日志（请注意，如果您的最低日志级别高于默认值，您可能看不到信息消息）。完整的日志是（强调我的）：
2020-01-20 12:27:44.554767：W tensorflow/stream_executor/platform/default/dso_loader.cc:55] 无法加载动态库“cudart64_101.dll”； dlerror: 找不到 cudart64_101.dll
2020-01-20 12:27:44.554964: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] 如果您的机器上没有设置 GPU，请忽略上面的 cudart dlerror。
如果您的机器上没有支持 CUDA 的 GPU，或者如果您不关心没有 GPU 加速，则无需担心。另一方面，如果您安装了 tensorflow 并想要 GPU 加速，请检查您的 CUDA 安装（TF 2.1 需要 CUDA 10.1，不是 10.2 或 10.0）。
如果你只是想摆脱警告，你可以adapt TF's logging level 来抑制警告，但这可能有点矫枉过正，因为它会使所有警告静音。
您的 CUDA 设置已损坏，请确保您安装了正确的版本。
【讨论】：
要在 TensorFlow 2.1 中安装 GPU 支持的先决条件：
pip install tensorflow安装tensorflow。【讨论】：
nvidia-smi 向我展示了CUDA Version: 11.2（TF 2.4 需要 CUDA 11），但我真正安装和使用的 CUDA 版本TF 为 10.1。因此，切勿跳过 CUDA 安装步骤，并始终确保您的 PATH 设置正确。
TensorFlow 2.3.0 在 CUDA 11 上运行良好。但您必须安装 tf-nightly-gpu（在安装 tensorflow 和 CUDA 11 之后）： https://pypi.org/project/tf-nightly-gpu/
试试：
pip install tf-nightly-gpu
之后，您将在控制台中收到消息：
I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_110.dll
【讨论】：
tf-nightly-gpu，2）使用自定义安装安装最新的nvidia cuda工具包（11.2+），但不要覆盖较新的驱动程序（取消选择），3）重启终端. 4) 如果上述步骤失败，请重新安装 Nvidia 驱动程序。例如nvidia-smi 结果为Failed to initialize NVML: GPU access blocked by the operating system。
我用另一种方式解决了这个问题。 首先，我从link 安装了 cuda 10.1 工具包
我选择安装程序类型（exe（本地））并以自定义模式安装 10.1 意味着（没有 Visual Studio 集成，NVIDIA PhysX，因为之前我安装了 CUDA 10.2，所以自动安装了所需的依赖项）
安装后，从以下路径 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin) ，就我而言，我复制了“cudart64_101.dll”文件并粘贴到 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin)。
然后导入 Tensorflow 就很顺利了。
注意抱歉英语不好
【讨论】：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 添加到 PATH 也可以（并且是推荐的方法，以避免弄乱 CUDA 安装）
在我的例子中，tensorflow 安装正在寻找 cudart64_101.dll
cudart64_101 的 101 部分是 Cuda 版本 - 这里 101 = 10.1
我下载的是11.x，所以我系统上的cudart64版本是cudart64_110.dll
这是错误的文件！！ cudart64_101.dll ≠ cudart64_110.dll
从https://developer.nvidia.com/下载Cuda 10.1
安装（我的 NSight Visual Studio 集成崩溃了，所以我把它关掉了）
安装完成后，您应该有一个 Cuda 10.1 文件夹，并且在 bin 中系统抱怨缺少 dll
检查10.1的bin文件夹的路径是否注册为系统环境变量，所以加载库的时候会检查
如果系统没有立即拾取路径，您可能需要重新启动
【讨论】：
在conda 环境中，这就是解决我的问题的方法（我错过了cudart64-100.dll：
把它放在我的 conda 环境中
C:\Users\<user>\Anaconda3\envs\<env name>\Library\bin
这就是全部！您可以仔细检查它是否正常工作：
import tensorflow as tf
tf.config.experimental.list_physical_devices('GPU')
【讨论】：
如果您看到上述错误但实际上您安装了 CUDA 10，此答案可能会有所帮助：
pip install tensorflow-gpu==2.0.0
输出：
I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll
这对我来说是解决方案。
【讨论】：
Tensorflow 2.1 可与 Cuda 10.1 一起使用。
如果你想快速破解：
cudart64_101.dll。解压 zip 文件并将 cudart64_101.dll 复制到您的 CUDA bin 目录其他：
【讨论】：
bin 目录在哪里？
这个solution 为我工作：
我用anaconda预装了环境（这里是代码）
conda create -n YOURENVNAME python=3.6 // 3.6> incompatible with keras
conda activate YOURENVNAME
conda install tensorflow-gpu
conda install -c anaconda keras
conda install -c anaconda scikit-learn
conda install matplotlib
但是在我仍然有这些警告之后
2020-02-23 13:31:44.910213: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
2020-02-23 13:31:44.925815: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
2020-02-23 13:31:44.941384: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
2020-02-23 13:31:44.947427: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
2020-02-23 13:31:44.965893: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2020-02-23 13:31:44.982990: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2020-02-23 13:31:44.990036: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
我如何解决第一个警告： 我只是在这里下载了一个包含所有 cudnn 文件（dll 等）的 zip 文件：https://developer.nvidia.com/cudnn
我如何解决第二个警告： 我在 conda 创建的虚拟环境中查看了最后一个丢失的文件（cudart64_101.dll），我只是将它复制/粘贴到与 .dll cudnn 相同的 lib 文件夹中
【讨论】：
我安装了 cudatoolkit 11 并复制了 dll
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin 到 C:\Windows\System32。
它为 PyCharm 修复，但不适用于 Anaconda jupyter：
[名称：“/设备：CPU：0”设备类型：“CPU”内存限制：268435456 locality {}化身：6812190123916921346，名称：“/device:GPU:0” device_type: "GPU" memory_limit: 13429637120 locality { bus_id: 1
链接 { } } 化身：18025633343883307728 物理设备描述： “设备：0，名称：Quadro P5000，pci 总线 ID：0000:02:00.0，计算 能力：6.1"]
【讨论】：
（沿 CUDA Toolkit 11.0 RC）
要解决与 OP 相同的问题，我只需要在我的磁盘上找到 cudart64_101.dll（在我的情况下为 C:\Program Files\NVIDIA Corporation\NvStreamSrv ) 并将其添加为变量环境（即将值 C:\Program Files\NVIDIA\Corporation\NvStreamSrv)cudart64_101.dll 添加到用户的环境变量 Path）。 p>
【讨论】：
下载 CUDA Toolkit 11.0 RC
为了解决这个问题， 我只是在我的磁盘上找到 cudart64_101.dll ( C:\Program Files\NVIDIA Corporation\NvStreamSrv) 并将其添加为变量环境，将值 (C:\Program Files\NVIDIA\Corporation\NvStreamSrv)cudart64_101.dll 添加到用户的环境变量路径中。
【讨论】：
能够通过将 NVIDIA 设备驱动程序更新到最新版本 (v446.14) 来解决此问题。 NVIDIA驱动下载link here。
【讨论】：
我在混合 pip 和 conda 以安装 tensorflow 2.3 时遇到了这个问题。 （在 conda 安装 tensorflow 2.3 时，我使用 pip 安装 tensorflow 2.3 b/c。）
我最终安装了错误版本的 cudatoolkit 和 cudnn。
为了解决这个问题，我只是在conda install 中指定了特定版本的 cudatoolkit 和 cuda。
查看 https://www.tensorflow.org/install/source_windows?force_isolation=true#tested_build_configurations 了解有关 tensorflow、cudatoolkit 和应该协同工作的 cuda 版本的信息。
【讨论】：
更简单的方法是创建一个名为cudart64_101.dll 的链接以指向cudart64_102.dll。这不是很正统，但由于 TensorFlow 正在寻找 cudart64_101.dll 导出的符号，而 nvidia 的人不是业余爱好者，他们很可能不会从 101 到 102 删除符号。基于这个假设（里程可能会有所不同），它是有效的。
【讨论】：