TensorFlow GPU加载失败：无法找到cudnn_cnn_infer64_8.dll求助

针对当前报错的即时排查 #

• 确认文件与路径：检查cuDNN解压后的bin目录是否存在cudnn_cnn_infer64_8.dll，且该bin路径已添加至系统环境变量PATH（而非用户PATH）。
• 排查位数不兼容：打开命令行执行python -c "import sys; print(sys.maxsize > 2**32)"，返回True为64位Python，若为False需更换64位版本（错误193多因32位程序调用64位库导致）。
• 修正版本匹配：TensorFlow 2.10官方要求CUDA 11.2 + cuDNN 8.1.0，你当前使用的CUDA 11.5、cuDNN 8.9.1版本不匹配，是加载失败核心原因。需卸载现有CUDA，重装CUDA 11.2，再搭配对应cuDNN版本。

TensorFlow GPU 标准安装流程（Windows） #

前置条件 #

• NVIDIA显卡算力≥3.5（可通过NVIDIA官网查询显卡参数）。
• 安装64位Python 3.8-3.10（TensorFlow 2.10对该版本范围支持最佳）。

步骤1：安装CUDA Toolkit #

1. 根据目标TensorFlow版本选择对应CUDA：
   • TF2.10 → CUDA 11.2
   • TF2.12+ → CUDA 11.8
2. 下载对应版本CUDA Toolkit，选择自定义安装：
   • 若已安装最新显卡驱动，取消勾选「Driver Components」；
   • 仅保留「CUDA Runtime」「Visual Studio Integration」组件。
3. 安装完成后，确认系统PATH已自动添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin及...\libnvvp路径。

步骤2：安装cuDNN #

1. 下载与CUDA版本匹配的cuDNN（需免费注册NVIDIA账号）：
   • CUDA 11.2对应cuDNN 8.1.0
2. 解压cuDNN压缩包，得到bin、include、lib三个文件夹；
3. 将三个文件夹内的内容分别复制到CUDA安装目录的对应文件夹：
   • bin内文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
   • include内文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
   • lib\x64内文件 → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

步骤3：安装TensorFlow #

1. 创建并激活虚拟环境（避免版本冲突）：

   python -m venv tf_env
   tf_env\Scripts\activate
   

2. 安装指定版本TensorFlow：

   pip install tensorflow==2.10
   

3. 验证安装：

   import tensorflow as tf
   print(tf.config.list_physical_devices('GPU'))
   

   输出GPU设备信息即为安装成功。

额外排查项 #

• 移除系统PATH中其他版本的CUDA/cuDNN路径，避免版本冲突，重启后测试。
• 确保显卡驱动版本符合CUDA要求（CUDA 11.2推荐驱动≥460.89）。
• 若仍报错，重新下载cuDNN压缩包，确认cudnn_cnn_infer64_8.dll文件未损坏。

内容的提问来源于stack exchange，提问作者Sai Ojus