Windows10环境下Darknet YOLOv4训练时无法加载cudnn_cnn_infer64_8.dll（错误码126）问题求助

这个问题我之前帮同行排查过好几次，错误码126本质是系统找不到指定的动态链接库，要么是文件缺失、路径未生效，要么是版本不匹配。结合你在Windows10+Darknet+YOLOv4的场景，给你几个针对性的排查步骤：

1. 确认CUDNN文件是否正确部署 #

Darknet依赖的CUDNN文件不是单独存放的，需要把CUDNN压缩包里的内容合并到CUDA的安装目录中：

• 找到你的CUDA安装根目录，默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X（X.X是你的CUDA版本，比如11.2）
• 进入cuda\lib\x64目录，检查是否存在cudnn_cnn_infer64_8.dll文件。如果没有，说明你没正确安装CUDNN：
  1. 下载与你的CUDA版本匹配的CUDNN压缩包
  2. 解压后得到bin、lib、include三个文件夹
  3. 将这三个文件夹里的所有内容，分别复制到CUDA目录下的同名文件夹中（覆盖原有文件也没关系）

2. 验证环境变量配置是否生效 #

你提到已经添加了环境变量，但Windows的环境变量经常需要重启才能生效：

• 重启所有打开的命令行窗口、VS2019，甚至重启电脑
• 打开命令提示符，输入echo %PATH%，查看输出中是否包含CUDA的lib\x64路径（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64）
• 建议将该路径添加到系统环境变量的Path中，而非用户环境变量，避免权限或优先级问题

3. 检查CUDA与CUDNN的版本兼容性 #

Darknet对CUDA和CUDNN的版本匹配要求很严格，版本不匹配会导致dll加载失败：

• 去NVIDIA官方文档查询你当前CUDA版本对应的CUDNN版本（比如CUDA 11.0对应CUDNN 8.0.5，CUDA 11.2对应CUDNN 8.1.0）
• 如果版本不匹配，下载对应版本的CUDNN重新部署

4. 手动复制dll到关键目录 #

如果上面的步骤都无效，可以尝试手动放置dll：

• 将cudnn_cnn_infer64_8.dll复制到C:\Windows\System32目录（64位系统不要放到SysWOW64）
• 同时复制一份到你的Darknet可执行文件所在目录（比如darknet.exe所在的文件夹），让程序启动时优先加载本地的dll

5. 检查VS项目的链接器配置 #

如果你是用VS2019编译Darknet项目，需要确认链接器配置是否正确：

• 打开项目属性，进入链接器 -> 常规，在附加库目录中添加$(CUDA_PATH)\lib\x64
• 进入链接器 -> 输入，确认已添加cudnn.lib、cudnn_cnn_infer.lib等依赖库

一般来说，前两步就能解决大部分问题，尤其是CUDNN未正确合并到CUDA目录或环境变量未生效的情况。

内容的提问来源于stack exchange，提问作者Кирилл Тараканов