TensorFlow 2.6.0配置GPU后仍找不到cudart64_110.dll问题问询

tensorflow: Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found

• 环境变量未生效：配置PATH后未重启终端/IDE/电脑，新配置的路径未加载到当前运行环境；也可能是路径仅添加到用户变量，当前程序权限不足无法读取。
• 版本绑定偏差：官方标注TensorFlow 2.6.0对应CUDA 11.2，但部分预编译版本的TensorFlow 2.6.0实际绑定的是CUDA 11.0的动态库，只会搜索cudart64_110.dll，而你安装的CUDA 11.2对应文件为cudart64_112.dll，因此匹配失败。
• TensorFlow包冲突：同时安装了CPU版和GPU版TensorFlow，运行时优先调用CPU版跳过CUDA路径检索；或是安装的包文件损坏，无法正常执行CUDA路径搜索逻辑。
• 路径解析失败：CUDA安装路径或项目路径存在中文、特殊字符、空格，导致路径识别异常，无法定位到dll文件。

• 验证环境变量有效性
  按下Win+R输入cmd启动命令提示符，先后执行以下命令：

  echo %PATH%
  where cudart64_110.dll
  

  第一条命令检查输出中是否包含NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin路径，第二条命令如果能返回对应dll的实际存放路径，说明全局环境变量配置正常。如果异常，将CUDA的bin路径添加到系统变量的PATH中，添加完成后重启电脑再重试。
• 解决版本不匹配问题
  可选三种方案按需选择：
  1. 兼容方案：进入CUDA 11.2的bin目录，将cudart64_112.dll复制一份，重命名为cudart64_110.dll放在同目录下即可正常调用。
  2. 重装TensorFlow：执行命令卸载所有现有版本，再重装正式版：

     pip uninstall -y tensorflow tensorflow-gpu
     pip install tensorflow==2.6.0
     

     注意TensorFlow 2.6及以上版本CPU和GPU功能已合并到同一个安装包，不需要单独安装tensorflow-gpu版本。
  3. 完全匹配版本：卸载当前CUDA 11.2，安装CUDA 11.0及对应版本cuDNN，完全匹配TensorFlow的动态库版本要求。
• 验证GPU可用性
  完成配置后运行以下Python代码验证：

  import tensorflow as tf
  print(tf.test.is_gpu_available())
  

  输出为True即代表GPU可正常调用。
• 特殊场景修复
  如果使用Pycharm、VSCode等IDE，配置完环境变量后必须重启IDE，或手动在IDE的运行环境变量配置中添加CUDA的bin路径，避免IDE加载旧的环境变量缓存；如果CUDA安装路径存在中文/空格，卸载后重新安装到纯英文无特殊字符的路径下。

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