cudnn_cnn_infer64_8.dll报错126 Jupyter训练模型内核崩溃求助

在Jupyter环境中搭建用于图像处理任务的卷积神经网络二分类模型，执行训练逻辑时Jupyter内核直接崩溃，关联CMD窗口抛出错误：Could not load library cudnn_cnn_infer64_8.dll. Error code 126。已将cuDNN路径加入系统环境变量Path，多次更换CUDA、cuDNN、TensorFlow版本后问题仍复现。

模型架构代码 #

model = Sequential() 
model.add(Conv2D(64, kernel_size=(3,3), input_shape=(150, 150, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=2))
model.add(Conv2D(32, kernel_size=(3,3), activation = 'relu'))
model.add(MaxPooling2D(pool_size=2))
model.add(Flatten())
model.add(Dense(32, activation='tanh'))
model.add(Dense(1, activation='sigmoid'))

数据加载配置 #

训练集数据增强与生成器 #

train_datagen=ImageDataGenerator(
rotation_range=15,
rescale=1./255,
shear_range=0.1,
zoom_range=0.2,
horizontal_flip=True,
width_shift_range=0.1,
height_shift_range=0.1)

train_datagenerator=train_datagen.flow_from_dataframe(dataframe=train_data,
                                                     x_col="image_path",
                                                     y_col="labels",
                                                     target_size=(150, 150),
                                                     class_mode="binary",
                                                     batch_size=64)

测试集数据生成器 #

test_datagen = ImageDataGenerator(rescale=1./255)
test_datagenerator=test_datagen.flow_from_dataframe(dataframe=test_data,
                                                   x_col="image_path",
                                                   y_col="labels",
                                                   target_size=(150, 150),
                                                   class_mode="binary",
                                                   batch_size=64)

触发崩溃的训练代码 #

history = model.fit(train_datagenerator, epochs=20)

当前环境版本 #

• Python 3.9
• CUDA 11.5
• cuDNN 8.3.1（适配CUDA 11.5版本）
• TensorFlow 3.7（注：目前无正式发布的TensorFlow 3.7版本，大概率为笔误，对应匹配CUDA11.5的GPU版本应为TensorFlow 2.7）

错误码126的核心原因是系统加载cudnn_cnn_infer64_8.dll时，要么找不到该文件本身，要么找不到该dll依赖的其他关联文件，仅把cuDNN路径加入系统Path不能完全解决加载问题，按以下顺序操作：

1. 直接部署cuDNN文件到CUDA目录
   不要仅靠添加环境变量加载cuDNN：
   • 解压cuDNN 8.3.1安装包，得到bin、include、lib三个文件夹
   • 将三个文件夹内的所有文件，直接复制到CUDA 11.5安装目录的对应同名文件夹下，默认安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5，出现同名文件提示时选择覆盖
   • 操作完成后重启电脑，清空dll加载缓存
2. 补全缺失的依赖项
   cudnn_cnn_infer64_8.dll加载失败多数情况是缺少它依赖的其他运行库：
   • 安装最新版x64架构的Microsoft Visual C++ Redistributable运行库
   • 检查CUDA的bin目录下是否存在zlibwapi.dll，如果没有，下载64位版本的该dll放入bin目录
   • 可以用Dependencies工具打开cudnn_cnn_infer64_8.dll，直接查看工具标红的缺失依赖项，针对性补全即可
3. 调整环境变量优先级
   • 打开CMD执行where cudnn_cnn_infer64_8.dll，查看返回的路径列表
   • 如果排在首位的路径不是CUDA 11.5安装目录下的bin路径，打开系统环境变量编辑页，将CUDA 11.5的bin路径上移到Path列表的最顶端，避免系统加载到其他软件（其他版本CUDA、显卡驱动自带组件、WSL等）附带的不兼容版本dll
4. 问题验证
   如果以上操作后仍报错，可以在代码最开头加入以下两行，强制TensorFlow使用CPU运行：

   import os
   os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
   

   加完代码后如果模型能正常训练，可100%确认问题出在CUDA/cuDNN的dll加载链路，回到前面步骤重新排查即可。

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