在仅安装CPU版本的tensorflow上，无法加载动态库'cudart64_101.dll'

TensorFlow GPU 2.2和2.3 Nightly

（同时需要CUDA Toolkit 11.0 RC）

为了解决与原帖作者相同的问题，我只需在我的磁盘中找到cudart64_101.dll文件（在我的情况下是C:\Program Files\NVIDIA Corporation\NvStreamSrv），并将其添加为环境变量（即将值C:\Program Files\NVIDIA\Corporation\NvStreamSrv)cudart64_101.dll添加到用户的环境变量Path中）。

这只是一个警告和信息提示，CUDA库未被找到。
如果您正在使用NVIDIA GPU，可以参考如何安装缺失的文件。
如果您不使用NVIDIA GPU，或者仅想忽略这些I和W消息，可以在您的代码开头添加以下两行：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

您可以在TensorFlow日志记录中了解有关TF_CPP_MIN_LOG_LEVEL的更多信息。

下载 CUDA Toolkit 11.0 RC

为了解决这个问题，我在我的硬盘上找到 cudart64_101.dll 文件（位于 C:\Program Files\NVIDIA Corporation\NvStreamSrv），并将其添加到用户环境变量 Path 中，即添加值（C：\ Program Files \ NVIDIA \ Corporation \ NvStreamSrv）cudart64_101.dll。

这可能是由您所使用的Python版本引起的问题。我曾经从微软商店中安装了 Python 3.7，也遇到了这个错误，但是当我切换至 Python 3.10 后问题得到了解决。

我在使用tensorboard时遇到了一个错误，这是在我更新GPU驱动程序后发生的。问题在于我是从cmd中运行tensorboard的，而我没有安装任何CUDA，因为我正在使用anaconda。当你使用anaconda安装TensorFlow时，所有必需的CUDA和Cudnn文件都会被下载，如果你没有在安装TensorFlow的anaconda环境中使用它，你会错过这些文件。

解决方案

* 只需从Anaconda打开TensorBoard

1-或者只需下载最新的Cuda工具包并将其添加到路径中

https://developer.nvidia.com/cuda-toolkit-archive

请使用以下步骤： 1- 打开命令行 2- 输入以下命令：conda install -c anaconda cudatoolkit 3- 然后重新启动您的电脑。

我在使用pip和conda混合安装tensorflow 2.3时遇到了问题。(当时我使用pip安装tensorflow 2.3，因为conda的tensorflow 2.3安装有问题。)结果我安装了错误版本的cudatoolkit和cudnn。
要解决这个问题，我只需使用指定版本的cudatoolkit和cuda执行conda install即可。
请查看https://www.tensorflow.org/install/source_windows?force_isolation=true#tested_build_configurations，了解应该一起使用的tensorflow、cudatoolkit和cuda版本的信息。

通过更新NVIDIA设备驱动程序到最新版本(v446.14)，我成功解决了这个问题。 NVIDIA驱动程序下载 这里是链接。

我也遇到了类似的问题，并意识到问题在于CUDA和CUDNN版本不匹配。

可以参考这里获取正确的版本。从下面的参考资料中，对于TensorFlow 2.4.0，建议使用CUDA 11.0和cuDNN 8.0。

或者您可以参考这里下载适合CUDA的cuDNN。

更简单的方法是创建一个名为 cudart64_101.dll 的链接，指向 cudart64_102.dll。虽然这并不是很正统，但由于TensorFlow正在寻找cudart64_101.dll导出的符号，并且NVIDIA的专家们不会轻易地从101到102删除符号，因此它应该可以工作（可能会有所差异）。