在安装tensorflow的时候，使用import tensorflow出现了找不到dll文件的错误，参考了很多博客和stackflow的解决方案，发现其中只说了版本号不匹配，但是没有具体说明什么样的版本才是适配正确的，因此手写此避坑指南。再次感谢Function兄的指导帮助。

创新互联是专业的阜宁网站建设公司，阜宁接单;提供成都做网站、成都网站制作,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行阜宁网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

笔者环境：

python 版本3.6

tensorflow版本1.14

ImportError: Could not find 'cudart64_100.dll'

简答：

仔细分析错误的类型、原因

搞清自己的tensorflow以及CUDA版本

换用对应版本进行解决，完成cuda与tf的适配，cudnn与cuda的适配，protobuf与tf的适配

一. 错误类型原因

问题是找不到cuda系的dll文件的模块，提示需要下载CUDA10.0，那么首先查看cuda的路径下是否存在该文件：

通过C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA路径访问cuda，在其bin目录下查找是否有cudart64_100.dll模块

如果有，则查看环境变量是否添加;如果没有，可能就是cuda版本和tensorflow版本的匹配问题

二. 搞清自己的tensorflow及CUDA版本

进入命令行环境下，首先通过python --version确定自己的python版本是3.6

再通过pip list查看已经安装好的tensorflow版本，笔者本人的版本是1.14

通过nvcc --version查看cuda版本，笔者之前的cuda版本是V9.0.176;

通过Tesnsorflow官网查找对应版本信息如下：

可以看到当Tensorflow的版本>=1.13时，CUDA的版本需要是10.0，同时cudnn版本号需要大于7.4.1;

这里笔者选用了将cuda的版本卸载，以适用tensorflow版本

直接进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA路径下将文件夹删除，并且将环境变量删除。

找到了一个高中生搭的服务器下载链接，这里的下载速度会快一些：

tensorflow相关下载链接

三. 匹配对应的cudnn对应cuda版本

将cuda版本安装后，再次打开jupyter运行import tensorflow，发现并没有成功，出现了找不到'cudnn64_7.dll'的错误：

ImportError: Could not find 'cudnn64_7.dll'无锡看妇科哪里好 http://www.xasgfk.cn/

此提示表示缺少cudnn模块的dll文件，根据tensorflow文档，对应tensorflow1.13版本以上，cudnn需要是>7.4.1的版本，下载cudnn版本，cudnn的目录结构如下:

将cudnn目录下的文件对应放在cuda目录下即可

四. 匹配对应的protobuf对应tf版本

此时应该是没问题了吧，笔者继续运行import tensorflow, MMP, 并没有顺利运行，出现了提示'descriptor'的错误：

ImportError: cannot import name 'descriptor'

stackflow上的tf安装问题汇总

通过stackflow上查找，发现该错误出现的原因是因为protobuf和tf的版本不对应，因为tf和pro之间存在依赖关系，于是笔者首先uninstall pro, 接着uninstall tf，最后重新install tf ，tf会自动对依赖项pro进行安装。

中间出现了一点小插曲，笔者是用virtualenv的py虚拟环境，于是安装好了版本后，依然会出现'descriptor'的错误，于是自己在原生py环境中测试了下，发现可以导入tf。那么原因就是可能因为系统找不到py虚拟环境中的sitepackage，将虚拟环境的py-bin下的目录设置为环境变量，即可正常调用。

最后结果导入成功：

网站标题：tensorflow遇到ImportError的解决方法
文章转载：http://azwzsj.com/article/igcjei.html