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。
笔者环境：

python 版本3.6
tensorflow版本1.14
1
2
ImportError: Could not find ‘cudart64_100.dll’
1
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’
1
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’
1
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。
———————