运行CNN摄像头预测代码时出现cudnn_cnn_infer64_8.dll加载错误（错误码193）

错误场景：Jupyter Notebook运行摄像头画面输入CNN预测代码时内核崩溃，CMD报错Could not load library cudnn_cnn_infer64_8.dll. Error code 193（Windows 11系统，Acer Nitro 5笔记本）

以下是针对性解决步骤：

1. 确认CUDA与CuDNN版本严格匹配 #

• CuDNN和CUDA版本必须一一对应（例如CUDA 11.7需搭配CuDNN 8.4.x系列），版本不兼容会直接导致库加载失败。
• 检查方法：打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\include\cudnn_version.h，查看CUDNN_MAJOR、CUDNN_MINOR宏定义值，确认与下载的CuDNN版本一致。

2. 检查并修复环境变量配置 #

• 确保CuDNN的bin目录已加入系统PATH：
  默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin（若手动解压CuDNN，需将其bin内文件复制到CUDA对应bin目录）。
  操作路径：右键「此电脑」→「属性」→「高级系统设置」→「环境变量」，在系统变量PATH中确认该路径存在，且调整到靠前位置（避免被其他版本库覆盖）。
• 重启Jupyter和终端，确保环境变量生效。

3. 重新替换CuDNN库文件 #

• 从NVIDIA官网下载对应版本的CuDNN压缩包，解压后将bin、include、lib文件夹内的文件直接覆盖到CUDA安装目录的对应文件夹中，避免原库文件损坏导致加载失败。
• 注意：不要在CUDA目录下创建额外子文件夹，确保cudnn_cnn_infer64_8.dll直接位于CUDA的bin目录下。

4. 验证Python环境为64位 #

• 在Jupyter Notebook中运行以下代码检查：

  import sys
  print(sys.maxsize > 2**32)  # 输出True为64位，False为32位
  

• 若为32位Python，无法加载64位的CuDNN库，需重新安装64位Python（推荐用Anaconda创建64位虚拟环境）。

5. 更新NVIDIA显卡驱动 #

• 打开NVIDIA GeForce Experience检查并更新显卡驱动到最新版本，旧驱动可能导致CUDA/CuDNN库无法正常调用。
• 确认你的Acer Nitro 5显卡支持当前安装的CUDA版本（例如GTX 16系列及以上支持CUDA 11.x）。

6. 验证CUDA基础功能正常 #

• 打开CMD，运行nvcc --version，确认CUDA编译器能正常输出版本信息。
• 运行CUDA自带的deviceQuery.exe（路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\extras\demo_suite），检查显卡是否被CUDA正确识别。

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