PyCharm中TensorFlow GPU运行失败求助（CUDA/cuDNN已配置路径）

我在PyCharm（Python 3.9环境）中运行GPU版本的CNN模型时遇到错误，已将NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin目录以及cuDNN 8.3的相关路径添加到系统环境变量PATH中，但报错提示找不到相关动态库，该如何解决？

错误信息 #

2023-04-04 19:45:48.825858: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cudart64_110.dll'; dlerror: cudart64_110.dll 未找到
2023-04-04 19:45:48.826122: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] 如果你的机器未配置GPU，可以忽略上述cudart加载错误。
WARNING:tensorflow:来自 C:\Users\renat\PycharmProjects\IA\Proiect\main.py:12: is_gpu_available (来自tensorflow.python.framework.test_util) 已被弃用，将在未来版本中移除。更新说明：请使用tf.config.list_physical_devices('GPU')替代。
2023-04-04 19:45:50.638428: I tensorflow/core/platform/cpu_feature_guard.cc:193] 此TensorFlow二进制文件已通过oneAPI深度神经网络库（oneDNN）优化，可在性能关键操作中使用以下CPU指令：AVX AVX2。若要在其他操作中启用这些指令，请使用适当的编译器标志重新构建TensorFlow。
2023-04-04 19:45:50.657795: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cudart64_110.dll'; dlerror: cudart64_110.dll 未找到
2023-04-04 19:45:50.658910: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cublas64_11.dll'; dlerror: cublas64_11.dll 未找到
2023-04-04 19:45:50.659993: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cublasLt64_11.dll'; dlerror: cublasLt64_11.dll 未找到
2023-04-04 19:45:50.661295: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cufft64_10.dll'; dlerror: cufft64_10.dll 未找到
2023-04-04 19:45:50.662502: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'curand64_10.dll'; dlerror: curand64_10.dll 未找到
2023-04-04 19:45:50.663589: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cusolver64_11.dll'; dlerror: cusolver64_11.dll 未找到
2023-04-04 19:45:50.664677: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cusparse64_11.dll'; dlerror: cusparse64_11.dll 未找到
2023-04-04 19:45:50.666352: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] 无法加载动态库'cudnn64_8.dll'; dlerror: cudnn64_8.dll 未找到

1. 核对TensorFlow与CUDA/cuDNN的版本匹配性 #

报错中TensorFlow寻找的是cudart64_110.dll（对应CUDA 11.0），但你安装的是CUDA 11.5，说明版本不兼容。核心版本对应规则如下：

• TensorFlow 2.5.x/2.6.x → CUDA 11.2 + cuDNN 8.1
• TensorFlow 2.7.x/2.8.x → CUDA 11.2/11.3 + cuDNN 8.1/8.2
• TensorFlow 2.9.x/2.10.x → CUDA 11.2/11.6 + cuDNN 8.1/8.4
• TensorFlow 2.11+ → CUDA 11.8 + cuDNN 8.6

可选择：要么降级/升级CUDA到与当前TensorFlow匹配的版本，要么更换TensorFlow版本适配CUDA 11.5（比如安装TensorFlow 2.8.0，它对CUDA 11.5有兼容支持）。

2. 验证环境变量配置有效性 #

• 打开命令提示符，输入echo %PATH%，确认CUDA的bin目录和cuDNN的bin目录确实在PATH中，且位置靠前（避免被其他版本的CUDA路径覆盖）。
• 配置环境变量后必须重启PyCharm和命令提示符，否则新配置不会生效。

3. 检查动态库实际存在情况 #

• 到CUDA的bin目录中，确认是否有报错提到的cublas64_11.dll、cusolver64_11.dll等文件。如果CUDA 11.5中的文件版本号是115（比如cudart64_115.dll），则实锤版本不匹配。
• 检查cuDNN的bin目录是否存在cudnn64_8.dll，若缺失，重新下载对应版本的cuDNN，将其bin、include、lib文件夹内容复制到CUDA的对应目录下。

4. 确认PyCharm的Python环境正确性 #

• 进入PyCharm的File > Settings > Project: xxx > Python Interpreter，确认当前使用的是Python 3.9环境，且安装的是GPU版本TensorFlow（新版本TensorFlow已合并GPU支持，直接安装tensorflow即可）。
• 在PyCharm终端输入pip list，查看TensorFlow具体版本，再对应调整CUDA/cuDNN版本。

5. 临时应急方案（不推荐长期使用） #

若暂时不想更换版本，可下载对应64位的缺失dll文件，放到C:\Windows\System32目录或PyCharm项目根目录。但此方法可能引发版本冲突，优先推荐版本匹配方案。

内容的提问来源于stack exchange，提问作者Renato Pomparau