TensorFlow GPU调用失败：无法加载cudart64_110.dll等动态库求助

核心问题分析 #

你安装的CUDA版本（11.2）与当前TensorFlow版本不匹配，导致TF尝试加载对应旧CUDA版本的动态库（比如cudart64_110.dll对应CUDA 11.0），从而出现缺失报错。

具体解决步骤 #

• 1. 匹配TensorFlow与CUDA版本
  卸载当前TensorFlow，安装支持CUDA 11.2的TF版本（比如2.5.x、2.6.x、2.7.x、2.9.x、2.10.x），执行命令：

  pip uninstall tensorflow -y
  pip install tensorflow==2.7.0
  

• 2. 检查并修复环境变量
  确保以下路径添加到系统PATH环境变量（替换为你的CUDA安装路径）：

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
    若你已下载cuDNN，需将其解压后的bin目录（或直接复制cuDNN的bin、include、lib文件夹到CUDA对应目录）也加入PATH。

• 3. 验证CUDA组件完整性
  打开命令行输入nvcc -V，确认输出CUDA 11.2版本。然后检查CUDA的bin目录下是否存在报错里提到的所有.dll文件：

  • cublasLt64_11.dll、cufft64_10.dll、curand64_10.dll、cusolver64_11.dll、cusparse64_11.dll
    若缺少文件，重新运行CUDA安装程序，选择自定义安装并勾选所有组件，避免遗漏。

• 4. 下载对应版本的cuDNN
  下载与CUDA 11.2兼容的cuDNN 8.1.x版本，解压后将三个文件夹（bin、include、lib）复制到CUDA安装根目录（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2），覆盖原有文件。

• 5. 重启系统并验证
  必须重启电脑让环境变量生效，之后运行以下代码测试GPU是否可用：

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

  若输出GPU设备列表，说明配置成功。

内容的提问来源于stack exchange，提问作者YiSan