导入TensorFlow模块报错求助：DLL加载失败与模块未找到问题

针对你在Python3.5环境下使用TensorFlow GPU 1.1.0导入时遇到的报错，结合chemical_vae项目的环境要求，我整理了几个最有效的排查和解决步骤：

• 核对CUDA与cuDNN版本（最关键）
  TensorFlow 1.1.0 GPU版本有严格的依赖版本要求：必须搭配CUDA 8.0和cuDNN 5.1，高版本的CUDA/cuDNN会直接导致DLL加载失败（就是你遇到的ImportError: DLL load failed with error code -1073741795）。

  • 卸载当前不符合版本的CUDA，重新安装CUDA 8.0，安装时务必勾选"Add to system PATH"选项，或者手动将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp添加到系统环境变量PATH中。
  • 下载cuDNN 5.1（对应CUDA 8.0版本），解压后将里面的bin、include、lib三个文件夹复制到CUDA 8.0的安装目录对应位置，覆盖原有文件（如果有的话）。

• 重新安装指定版本的TensorFlow GPU
  先彻底卸载现有TensorFlow：

  pip uninstall tensorflow-gpu -y
  

  然后重新安装1.1.0版本，确保安装过程无报错：

  pip install tensorflow-gpu==1.1.0
  

  同时确认你的conda环境确实是Python3.5，执行python --version验证版本是否正确。

• 检查NVIDIA显卡驱动兼容性
  确保你的显卡驱动版本支持CUDA 8.0，推荐使用375.xx及以上的驱动版本（不要用太新的驱动，避免兼容性问题）。如果驱动版本过低，去NVIDIA官网下载对应显卡的适配驱动并安装。

• 排除项目依赖冲突
  先在干净的终端中激活你的conda环境，直接运行python然后执行import tensorflow as tf，测试基础导入是否成功。如果成功，再尝试运行chemical_vae的代码；如果还是失败，可能是项目中的其他依赖和TensorFlow 1.1.0冲突，你可以尝试创建一个全新的conda环境，只安装TensorFlow 1.1.0和项目所需的基础依赖（比如numpy、scipy等），再测试导入。

• 验证环境变量生效
  所有环境变量修改后，一定要重启你的终端（或IDE），确保新的环境变量生效，否则系统还是会读取旧的路径配置。

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