无Anaconda环境下Jupyter Notebook中CuPy导入报错：DLL加载失败（.py文件可正常运行）

我之前在非Anaconda的Windows环境里也碰到过一模一样的问题——普通终端用CuPy完全没问题，一到Jupyter就报ImportError: DLL load failed while importing nvrtc，折腾了好一阵，总结了几个不需要依赖Anaconda的有效方案：

方案1：在Notebook开头手动强制添加CUDA路径 #

Jupyter的环境变量继承经常会出问题，哪怕系统PATH里已经加了CUDA的bin目录，它可能还是没加载到或者加载顺序不对。你可以在Notebook的第一个代码单元格里先执行这段代码：

import os
# 替换成你的CUDA版本路径
cuda_bin_path = r"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin"
# 把CUDA的bin目录放到PATH最前面，确保优先加载正确的DLL
os.environ['PATH'] = f"{cuda_bin_path};{os.environ['PATH']}"

# 现在再导入CuPy
import cupy

这样每次打开Notebook都先手动修正PATH，就能绕开Jupyter的环境变量问题。

方案2：修改Jupyter配置文件，永久设置环境变量 #

如果不想每次都手动加路径，可以修改Jupyter的启动配置，让它每次启动都自动加载正确的PATH：

1. 打开命令行终端，执行jupyter notebook --generate-config生成配置文件，终端会告诉你配置文件的保存路径（一般是C:\Users\<你的用户名>\.jupyter\jupyter_notebook_config.py）
2. 用文本编辑器打开这个配置文件，找到c.NotebookApp.env这一行（可能被注释掉了，前面有#），取消注释后改成：

import os
cuda_bin_path = r"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin"
c.NotebookApp.env = {'PATH': f"{cuda_bin_path};{os.environ['PATH']}"}

3. 保存配置文件，重启Jupyter Notebook，之后每次启动都会自动把CUDA的bin目录放到PATH最前面，从根源解决环境变量问题。

方案3：排查并解决DLL冲突 #

有时候系统里可能存在其他版本的nvrtc.dll（比如某些NVIDIA软件、游戏或者其他Python库自带的旧版本），Jupyter启动时优先加载了错误的版本。你可以用微软的Process Explorer工具来排查：

1. 下载并打开Process Explorer，启动Jupyter Notebook后，在工具里搜索nvrtc.dll
2. 查看这个DLL的加载路径，如果不是来自你的v11.6\bin目录，找到那个冲突的DLL所在的文件夹
3. 把这个冲突文件夹从系统的PATH环境变量里移除，或者调整顺序让CUDA的bin目录排在它前面

方案4：重新安装对应CUDA版本的CuPy #

确保CuPy的版本和你的CUDA版本完全匹配，有时候pip默认安装的CuPy可能适配的是其他CUDA版本，导致DLL不兼容。执行下面的命令重新安装：

pip install cupy-cuda116 --force-reinstall

这里的cupy-cuda116对应你的CUDA 11.6版本，如果你的CUDA是其他版本，换成对应的后缀（比如cupy-cuda117对应11.7）。

之前你用pip install -U notebook临时有效，应该是更新后Jupyter的环境变量加载逻辑临时被重置了，但重启后又回到了原来的状态，上面的方案都是从环境变量或版本匹配的根源解决问题，适合教学演示的长期使用。

内容的提问来源于stack exchange，提问作者ImARandom