Python3运行TensorFlow找不到CUDA dll文件无法识别GPU求助

核心问题出在python和python3命令指向的运行环境不一致，具体排查与修复步骤如下：

第一步：确认解释器差异 #

在当前终端依次执行以下命令，确认两个命令绑定的Python环境：

# 查看两个命令对应的执行文件路径
where python
where python3
# 分别查看Python版本与对应环境的TensorFlow版本
python --version
python -c "import tensorflow as tf; print(tf.__version__)"
python3 --version
python3 -c "import tensorflow as tf; print(tf.__version__)"

如果两个输出的TensorFlow版本不一致，说明python3对应的环境安装的TensorFlow版本与当前CUDA 11.4不匹配：你遇到的报错提示缺少cudart64_110.dll，是该版本TensorFlow仅适配CUDA 11.0导致。

第二步：验证环境变量加载 #

如果版本一致，分别在两个解释器中执行以下代码，检查PATH变量是否包含CUDA路径：

import os
print('CUDA_PATH' in os.environ)
print(r'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin' in os.environ['PATH'])

如果python3执行时返回False，说明对应运行环境未正确加载系统环境变量。

第三步：对应修复方案 #

方案1：修复解释器指向 #

如果是Windows系统，首先进入「设置 - 应用 - 高级应用设置 - 应用执行别名」，关闭所有Python相关的别名选项，避免python3指向微软商店的虚拟引导程序。
确认python3指向你正常使用的Python环境后，在该环境下重新安装适配CUDA 11.4的TensorFlow版本即可。

方案2：运行时手动注入环境变量 #

如果不想修改全局解释器配置，可以在代码开头添加以下内容，手动将CUDA路径加入运行时环境：

import os
os.environ['PATH'] += r';C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin'
# 如果你单独安装了cuDNN，也要把cuDNN的bin目录加进去
# os.environ['PATH'] += r';你的cuDNN解压路径\bin'
import tensorflow as tf

方案3：统一使用虚拟环境 #

后续建议通过conda或者venv创建独立虚拟环境，激活后直接用python命令执行代码，避免多版本Python混用导致的路径冲突。

内容的提问来源于stack exchange，提问作者Nano