TensorFlow运行报错cudart64_110.dll未找到 版本显示不一致求助

你遇到的报错和版本不一致问题核心是两个原因：

1. 动态库缺失报错Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found是因为运行时调用的TensorFlow版本适配CUDA 11.x，cudart64_110.dll是CUDA 11.0的专属运行库，和你安装的CUDA 10.1不匹配。
2. conda列表和Python环境查验的TensorFlow版本不一致，是因为你当前运行的Python环境和conda查询的环境不是同一个，或者全局Python环境中安装的TensorFlow 2.6.0优先级高于conda环境内的2.1.0版本，导致实际调用时加载的是2.6.0版本。

• 第一步：确认Python环境匹配
  在你运行代码的终端执行以下命令，查看当前调用的Python路径，确认和你安装TensorFlow 2.1.0的conda环境路径一致：

# Windows系统执行
where python
# Linux/Mac系统执行
which python

如果路径不匹配，先执行conda activate 你的conda环境名称切换到目标环境后再操作。

• 第二步：清理冗余的TensorFlow版本
  执行以下命令彻底清理当前环境内所有TensorFlow版本，避免多版本冲突：

pip uninstall tensorflow tensorflow-gpu -y
conda remove tensorflow tensorflow-gpu -y

• 第三步：安装匹配版本的TensorFlow
  CUDA 10.1 + cuDNN 7.6.x 组合适配的TensorFlow GPU版本为2.1.0，执行以下命令安装：

pip install tensorflow-gpu==2.1.0

• 第四步：验证修复结果
  执行以下命令查验版本和GPU适配状态：

python -c "import tensorflow as tf;print(tf.__version__);print(tf.test.is_gpu_available())"

如果输出版本为2.1.0，且GPU检测返回True，则问题解决，不会再出现动态库缺失报错。

提示：如果后续需要使用TensorFlow 2.6.0版本，需要将CUDA升级到11.2、cuDNN升级到8.1版本才能匹配适配。

内容的提问来源于stack exchange，提问作者dongdaejin