这个错误我之前帮不少用户排查过，结合你说的另一台电脑正常的情况，大概率是当前环境的版本兼容性、依赖冲突或者系统组件缺失导致的。给你几个针对性的排查和解决步骤：

• 先核对Python与TensorFlow的版本兼容性
  TensorFlow对Python版本的要求非常严格，不同TF版本支持的Python范围不一样。先在你的Anaconda环境里运行这两个命令确认版本：

  python --version
  pip show tensorflow
  

  比如TF 2.10只支持Python 3.7-3.10，TF 2.11及以上支持3.8-3.11。对比另一台正常电脑的版本，看看是不是你这台的版本不匹配导致的。如果版本不对，卸载当前TF，安装对应版本的：

  pip uninstall tensorflow -y
  pip install tensorflow==2.10  # 替换成和另一台一致的版本
  

• 安装/更新Visual C++ Redistributable运行库
  这个错误80%以上和缺少VC运行库有关，尤其是Anaconda环境不会自动帮你安装完整的系统级组件。你需要安装对应版本的Microsoft Visual C Redistributable（x64版本）——TF 2.x一般需要2019或2022版本的。安装完成后必须重启电脑，再尝试导入TensorFlow。

• 避免pip和conda的依赖冲突，用conda重新安装TF
  在Anaconda环境里混用pip和conda安装包很容易出现依赖冲突。建议先彻底卸载当前的TF：

  pip uninstall tensorflow -y
  

  然后用conda来安装，它会自动处理所有依赖：

  conda install tensorflow
  

  如果还是有问题，干脆创建一个全新的干净环境测试：

  conda create -n tf_test_env python=3.9  # 版本和另一台一致最好
  conda activate tf_test_env
  conda install tensorflow
  

  然后在这个环境里启动Jupyter Notebook导入TF，看是否还报错。

• 检查GPU版TF的CUDA/cuDNN配置（如果用GPU）
  如果你装的是GPU版本的TF，那还要核对CUDA和cuDNN的版本是否和TF匹配，比如TF 2.10需要CUDA 11.2 + cuDNN 8.1，同时显卡驱动也要更新到支持对应CUDA的版本。另一台电脑可能配置正确，而这台的CUDA版本不对或者驱动太旧。如果只是用CPU版，那可以尝试安装CPU专属版本：

  pip install tensorflow-cpu
  

• 修复可能损坏的Anaconda环境
  有时候Anaconda环境的缓存或依赖文件损坏也会导致奇怪的DLL错误。可以先更新conda本身：

  conda update conda
  

  然后更新环境里所有包：

  conda update --all
  

  清理缓存后再重新安装TF：

  conda clean --all
  

如果以上步骤都试过还是不行，建议对比两台电脑的Windows系统版本（比如Win10和Win11）以及系统补丁情况，某些系统更新可能会影响DLL的加载。

内容的提问来源于stack exchange，提问作者Len