在 python 3.8 和 tensorflow 2.5.0 使用 python 加载 cudart64_110.dll 时出错

Question

When I create a python 3.8 environment using tensorflow-gpu 2.5.0 package using conda, I get the error "Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found". 但是，我有一个现有的 python 3.7 环境，它也有 tensorflow-gpu 2.5.0，它能够找到库 OK。

有趣的是，如果我克隆能够加载库的 python 3.7 环境，它也会加载到克隆的环境中，但是如果我使用 tensorflow-gpu 2.5.0 从头开始创建一个新的 python 3.7 环境，我会得到新环境中的错误。

我不确定为什么我能够在一个环境中加载库，但不能在其他环境中加载库，因为库在每个环境中都位于相同的位置，并且它应该是指向同一文件的链接package 缓存，无论如何。

在我能够加载 cudart64_110.dll 的 python 3.7 环境中，安装了以下相关软件包：

# Name                    Version                   Build  Channel
cudatoolkit               11.3.1               h280eb24_9    conda-forge
python                    3.7.12          h7840368_100_cpython    conda-forge
tensorflow                2.5.0           gpu_py37h23de114_0
tensorflow-base           2.5.0           gpu_py37hb3da07e_0
tensorflow-gpu            2.5.0                h17022bd_0

在我无法加载 cudart64_110.dll 的 python 3.8 环境中，安装了以下相关包：

# Name                    Version                   Build  Channel
cudatoolkit               11.3.1               h280eb24_9    conda-forge
python                    3.8.12          h7840368_2_cpython    conda-forge
tensorflow                2.5.0           gpu_py38h8e8c102_0
tensorflow-base           2.5.0           gpu_py38hb3da07e_0
tensorflow-gpu            2.5.0                h17022bd_0

请注意，两个环境都包含相同的 cudatoolkit 版本。

另外，我确实意识到我正在混合频道。 但是，（a）tensorflow 2.x 不能从 conda-forge 获得，并且（b）在这种情况下应该不重要，因为我可以在另一个环境中加载 tensorflow 和 ZA33B7755E5F9B504D2D038EACA4FF，但是，

Answer 1

对于tensorflow_gpu==2.5.0 ，您需要安装CUDA 11.2 。

请检查以下经过测试的构建配置详细信息并安装合适的 cuDNN 和 CUDA 以使用TF-gpu 2.5 。

    Version              Python version  Compiler    Build tools    cuDNN    CUDA
    tensorflow_gpu-2.7.0     3.7-3.9     MSVC 2019    Bazel 3.7.2    8.1     11.2
    tensorflow_gpu-2.6.0     3.6-3.9     MSVC 2019    Bazel 3.7.2    8.1     11.2
    tensorflow_gpu-2.5.0     3.6-3.9     MSVC 2019    Bazel 3.7.2    8.1     11.2

按照此链接在您的系统中安装指定的 CUDA 和 cuDNN。