在 python 3.8 和 tensorflow 2.5.0 使用 python 加載 cudart64_110.dll 時出錯

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，我有一個現有的 python 3.7 環境，它也有 tensorflow-gpu 2.5.0，它能夠找到庫 OK。

有趣的是，如果我克隆能夠加載庫的 python 3.7 環境，它也會加載到克隆的環境中，但是如果我使用 tensorflow-gpu 2.5.0 從頭開始創建一個新的 python 3.7 環境，我會得到新環境中的錯誤。

我不確定為什么我能夠在一個環境中加載庫，但不能在其他環境中加載庫，因為庫在每個環境中都位於相同的位置，並且它應該是指向同一文件的鏈接package 緩存，無論如何。

在我能夠加載 cudart64_110.dll 的 python 3.7 環境中，安裝了以下相關軟件包：

# 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

在我無法加載 cudart64_110.dll 的 python 3.8 環境中，安裝了以下相關包：

# 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

請注意，兩個環境都包含相同的 cudatoolkit 版本。

另外，我確實意識到我正在混合頻道。 但是，（a）tensorflow 2.x 不能從 conda-forge 獲得，並且（b）在這種情況下應該不重要，因為我可以在另一個環境中加載 tensorflow 和 ZA33B7755E5F9B504D2D038EACA4FF，但是，

Answer 1

對於tensorflow_gpu==2.5.0 ，您需要安裝CUDA 11.2 。

請檢查以下經過測試的構建配置詳細信息並安裝合適的 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

按照此鏈接在您的系統中安裝指定的 CUDA 和 cuDNN。