无法在仅 tensorflow CPU 安装上加载动态库“cudart64_101.dll”

要在 TensorFlow 2.1 中安装 GPU 支持的先决条件：

安装最新的 GPU 驱动程序。安装 CUDA 10.1。如果 CUDA 安装程序报告“您正在安装较旧的驱动程序版本”，您可能希望选择自定义安装并取消选择某些组件。实际上，请注意，TensorFlow 不需要与 CUDA 捆绑的软件，包括 GeForce Experience、PhysX、显示驱动程序和 Visual Studio 集成。另请注意，除非您从源代码构建，否则 TensorFlow 需要特定版本的 CUDA Toolkit；对于 TensorFlow 2.1 和 2.2，当前版本为 10.1。安装 cuDNN。下载 CUDA 10.1 的 cuDNN v7.6.4。这将要求您注册 NVIDIA 开发者计划。解压到合适的位置并将 bin 目录添加到您的 PATH 中。通过 pip install tensorflow 安装 tensorflow。您可能需要重新启动 PC。

---

TensorFlow 2.3.0 在 CUDA 11 上运行良好。但您必须安装 tf-nightly-gpu（在安装 tensorflow 和 CUDA 11 之后）：https://pypi.org/project/tf-nightly-gpu/

尝试：

pip install tf-nightly-gpu

之后，您将在控制台中收到消息：

I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_110.dll

---

我用另一种方式解决了这个问题。首先，我从这个 link 安装了 cuda 10.1 工具包。

我选择了安装程序类型：exe(local)（适用于 Windows）并以自定义模式安装了 10.1（没有 Visual Studio 集成，NVIDIA PhysX，因为之前我安装了 CUDA 10.2，因此自动安装了所需的依赖项）

安装后，在我的情况下，从以下路径 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin) 复制 cudart64_101.dll 文件并粘贴到 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin)。

然后导入 Tensorflow 工作顺利。

---

在我的情况下，张量流安装正在寻找 cudart64_101.dll

https://i.stack.imgur.com/99IEu.png

cudart64_101 的 101 部分是 Cuda 版本 - 这里 101 = 10.1

我下载的是11.x，所以我系统上的cudart64版本是cudart64_110.dll

https://i.stack.imgur.com/QNzGY.png

这是错误的文件！！ cudart64_101.dll ≠ cudart64_110.dll

解决方案

从 https://developer.nvidia.com/ 下载 Cuda 10.1

安装（我的 NSight Visual Studio 集成崩溃了，所以我把它关掉了）

https://i.stack.imgur.com/vxgQf.png

安装完成后，您应该有一个 Cuda 10.1 文件夹，并且在 bin 中系统抱怨缺少 dll

https://i.stack.imgur.com/WWEGf.png

检查10.1 bin文件夹的路径是否注册为系统环境变量，所以加载库的时候会检查

https://i.stack.imgur.com/jdTpl.png

如果系统没有立即选择路径，您可能需要重新启动

https://i.stack.imgur.com/Wcpkt.png

---

在 conda 环境中，这解决了我的问题（我缺少 cudart64-100.dll：

从 dll-files.com/CUDART64_100.DLL 下载它 将它放在我的 conda 环境中 C:\Users\\Anaconda3\envs\\Library\bin

这就是全部！您可以仔细检查它是否正常工作：

import tensorflow as tf
tf.config.experimental.list_physical_devices('GPU')

---

如果您看到上述错误但实际上您安装了 CUDA 10，则此答案可能会有所帮助：

pip install tensorflow-gpu==2.0.0

输出：

I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll

这对我来说是解决方案。

---

我安装了 cudatoolkit 11 并将 dll C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin 复制到 C:\Windows\System32。它适用于 PyCharm，但不适用于 Anaconda jupyter：

[名称：“/设备：CPU：0”设备类型：“CPU”内存限制：268435456位置{}化身：6812190123916921346，名称：“/设备：GPU：0”设备类型：“GPU”内存限制：13429637120位置{总线ID：1链接{ } } 化身：18025633343883307728 physical_device_desc：“设备：0，名称：Quadro P5000，pci 总线 ID：0000:02:00.0，计算能力：6.1”]

---

Tensorflow 2.1 与 Cuda 10.1 一起使用。

如果你想快速破解：

只需从这里下载 cudart64_101.dll。解压 zip 文件并将 cudart64_101.dll 复制到您的 CUDA bin 目录

别的：

安装 Cuda 10.1

---

这个 solution 对我有用：

我用 anaconda 预装了环境（这里是代码）

conda create -n YOURENVNAME python=3.6 // 3.6> incompatible with keras
conda activate YOURENVNAME
conda install tensorflow-gpu
conda install -c anaconda keras
conda install -c anaconda scikit-learn
conda install matplotlib

但是在我仍然有这些警告之后

2020-02-23 13:31:44.910213: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found

2020-02-23 13:31:44.925815: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll

2020-02-23 13:31:44.941384: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll

2020-02-23 13:31:44.947427: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll

2020-02-23 13:31:44.965893: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll

2020-02-23 13:31:44.982990: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll

2020-02-23 13:31:44.990036: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found

我是如何解决第一个警告的：我只是在这里下载了一个包含所有 cudnn 文件（dll 等）的 zip 文件：https://developer.nvidia.com/cudnn

我如何解决第二个警告：我在 conda 创建的虚拟环境中查看了最后一个丢失的文件（cudart64_101.dll），我只是将它复制/粘贴到与 .dll cudnn 相同的 lib 文件夹中

---

TensorFlow GPU 2.2 和 2.3 每晚

（沿 CUDA Toolkit 11.0 RC）

为了解决与 OP 相同的问题，我只需要在我的磁盘上找到 cudart64_101.dll（在我的情况下为 C:\Program Files\NVIDIA Corporation\NvStreamSrv）并将其添加为变量环境（即添加值 C:\Program Files \NVIDIA\Corporation\NvStreamSrv)cudart64_101.dll 到用户的环境变量 Path)。

---

下载 CUDA 工具包 11.0 RC

为了解决这个问题，我只是在我的磁盘上找到 cudart64_101.dll (C:\Program Files\NVIDIA Corporation\NvStreamSrv) 并将其添加为变量环境，即增值 (C:\Program Files\NVIDIA\Corporation\NvStreamSrv)cudart64_101 .dll 到用户的环境变量路径）。

---

能够通过将 NVIDIA 设备驱动程序更新到最新版本 (v446.14) 来解决此问题。 NVIDIA 驱动程序下载 link here。

---

我在混合 pip 和 conda 以安装 tensorflow 2.3 时遇到了这个问题。 （我使用 pip 安装 tensorflow 2.3 b/c 时 conda 的 tensorflow 2.3 安装被破坏。）

我最终安装了错误版本的 cudatoolkit 和 cudnn。

为了解决这个问题，我只是做了 conda install 并指定了特定版本的 cudatoolkit 和 cuda。

查看 https://www.tensorflow.org/install/source_windows?force_isolation=true#tested_build_configurations 以获取有关 tensorflow、cudatoolkit 和应该协同工作的 cuda 版本的信息。

---

这也可能是由于您正在运行的 python 版本引起的，我使用的是 microsoft store 中的 python 3.7，我遇到了这个错误，切换到 python 3.10 修复了它。

---

一种更简单的方法是创建一个名为 cudart64_101.dll 的链接以指向 cudart64_102.dll。这不是很正统，但由于 TensorFlow 正在寻找 cudart64_101.dll 导出的符号，并且 nvidia 人员不是业余爱好者，他们很可能不会删除从 101 到 102 的符号。基于此假设（里程可能会有所不同），它是有效的。

---