64位Win10下Anaconda运行TensorFlow代码报WinError193错误如何解决？

1 优先修正环境命名不匹配错误 #

你创建环境时指定的名称为tf2gpu，但激活命令写的是conda activate tf2-gpu，二者名称不一致，你实际激活的大概率是其他存在版本兼容问题的旧环境，而非刚装好tensorflow-gpu依赖的目标环境。
先在Anaconda Prompt执行conda env list查看所有已创建环境，确认tf2gpu存在后执行正确激活命令：
conda activate tf2gpu
再输入spyder启动后重新运行代码测试，该问题有较高概率可直接解决。

2 修正环境名后仍报错，按以下顺序排查 #

• 校验tensorflow与CUDA、cuDNN版本匹配 #

  Windows原生环境下tensorflow-gpu对CUDA、cuDNN的版本要求严格，版本不匹配会直接导致动态库加载失败抛出该错误。激活tf2gpu环境后执行conda list查看安装的tensorflow-gpu版本，确保其和对应依赖的CUDA、cuDNN版本完全匹配：
  注意：tensorflow 2.10是最后一个支持原生Windows GPU运行的版本，推荐优先使用该版本，对应要求CUDA 11.2、cuDNN 8.1。

• 校验Spyder内核绑定的环境是否正确 #

  若Spyder启动后内核没有绑定当前激活的tf2gpu环境，而是调用了全局Python或其他环境的依赖，也会出现兼容报错。在Spyder控制台运行以下代码确认当前解释器路径：

  import sys
  print(sys.executable)
  

  若输出路径不是指向Anaconda安装目录下envs/tf2gpu/python.exe，则需要在Spyder的【工具】-【偏好设置】-【Python解释器】中手动选择对应环境下的python.exe，重启Spyder即可。

• 卸载重装环境规避32/64位组件混合问题 #

  若此前conda源异常导致意外安装了32位的tensorflow相关组件，也会触发该报错。直接删除现有环境后重新创建指定版本的兼容环境即可：

  conda remove -n tf2gpu --all
  conda create -n tf2gpu python=3.9 tensorflow-gpu=2.10 jupyter matplotlib pillow spyder
  

  此处指定的Python3.9 + tensorflow2.10是Windows GPU下兼容性最好的组合，可避免自动安装高版本不兼容组件。

内容的提问来源于stack exchange，提问作者libano91