明明有onnxruntime_providers_cuda.dll还是报error 126错误！

最新推荐文章于 2025-05-13 22:17:21 发布
最新推荐文章于 2025-05-13 22:17:21 发布
阅读量1.2k 收藏 1
点赞数 4
文章标签： 深度学习 人工智能 c语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/TonyNotes/article/details/145177502
版权

最近在打包一个Python项目，本地配置好，准备搬运到其他电脑。却一直出现一个错误。

错误提示如下：

2025-01-15 20:32:56.4062784 [E:onnxruntime:Default, provider_bridge_ort.cc:1744 onnxruntime::TryGetProviderInfo_CUDA] C:\a\_work\1\s\onnxruntime\core\session\provider_bridge_ort.cc:1426 onnxruntime::ProviderLibrary::Get [ONNXRuntimeError] : 1 : FAIL : LoadLibrary failed with error 126 "" when trying to load "D:\tonyhub-CosyVoiceApp\env\lib\site-packages\onnxruntime\capi\onnxruntime_providers_cuda.dll"

按理说，这个问题就是由于缺少onnxruntime_providers_cuda.dll才导致的。但是当你去指定路径查看的时候，发现并没有缺这个文件，而且路径也没错。

这么依赖，就有点束手无策了。

其实，我对这这错误的理解有误。他说的是并不是onnxruntime_providers_cuda.dll本身有问题，而是这个DLL本身依赖的一些DLL缺失了。

那么，如何知道具体的缺失文件呢？

这个时候一个很神奇的工具就要出场了。这个 工具的名字叫dependencies。

只要把DLL文件拖动到这个软件上面，他就自动检查所有依赖，正确显示依赖文件的路径。同时可以看到缺少的依赖文件。

知道了缺少什么依赖之后，只要把这些依赖文件添加到环境变量里就可以了。

Tony's Notes
关注
解决win10下双击执行exe程序错误：LoadLibrary failed with error 126
有问题或资源连接有缺失的可以私信公众号新潮看世界获取
06-02 2143
某一次，在使用QT打包后的程序时，双击exe可执行程序，结果出现了“LoadLibrary failed with error 126”的错误。禁用方式：进入我的电脑，设备管理，选择显示适配器，我这里看到有三个显卡，一个是独显的，一个是核显的，一个是远程虚拟的，我禁用了核显，就好了。这个问题出现按网友的说法，是很多年前win10的一个bug，和显卡驱动有关。也和运行环境有关，运行程序的这台win10是新装的系统，而且用的是远程控制。至于其他方式，更新系统啥的，可能有用，但是时间太长，下载太多。
rembg报错onnxruntime_providers_tensorrt.dll
weixin_45615730的博客
03-16 3549
相当于不用gpu了，就用cpu。其实如果用rembg抠图的话，cpu和gpu速度差不多，没什么影响。卸载onnxruntime-gpu。卸载onnxruntime。重装onnxruntime。
loadlibrary failed with error 126:找不到指定模块 解决方法
热门推荐
码农高端会所
09-08 5万+
哎~~游戏穷三代,玛雅毁一生,不管你是玩游戏碰到这个问题,或者是装大型图形处理软件遇到的问题,这个都好办 我的电脑 联想Y470    显卡AMD Radeon HD 7690M 打开 玛雅 (3D) 出现 (LoadLibrary failed with error 126：找不到指定模块) 原因分析:OpenGL在ATI(AMD)显卡上不好使(特别是双显卡机器 ),如果是
Windows 下安装 CUDA 和 cuDNN 并解决 ONNXRuntime Error 126 问题
Treasure168的博客
05-13 991
本文简要介绍了在 Windows 上安装 CUDA 和 cuDNN 的步骤，并针对 ONNXRuntime 使用中遇到的 Error 126 问题提供解决方案。安装 CUDA 时，需下载并运行安装程序，选择自定义安装以精简组件。安装 cuDNN 时，将下载的 zip 文件解压并拷贝到 CUDA 安装目录的对应文件夹。解决 Error 126 的方法是将 cuDNN 的 bin 文件夹中的 DLL 文件拷贝到 CUDA 的 bin 目录，并确保环境变量 Path 包含该路径。这些步骤可帮助用户快速配置深度学习
【原创】解决onnxruntime不能使用cuda的问题
lilianji123456的博客
12-03 1909
记录一下onnxruntime的一个bug修复过程。
解决：抠图时onnxruntime错误-无法加载“onnxruntime_providers_tensorrt.dll“-错误代码“126”
Shion's bla bla blog
05-01 9662
突然抠图插件不能用了，没有搞懂，通过不使用GPU加速来绕过问题。
ONNXRuntime报错：onnxruntime\capi\onnxruntime_providers_shared.dll LoadLibrary failed with error 126
weixin_45303602的博客
09-05 5072
E:onnxruntime:barcode, provider_bridge_ort.cc:995 onnxruntime::ProviderLibrary::Get] LoadLibrary failed with error 126 "找不到指定的模块。" when trying to load onnxruntime_providers_cuda.dll c等错错误
已解决：EP Error onnxruntime-gpu无法找到cuda，无法调用onnxruntime_providers_cuda.dll
weixin_41700859的博客
12-23 4053
onnxruntime无法加载onnxruntime_providers_cuda.dll
onnxruntime-gpu用pyinstaller打包报错找不到CUDA
wdmzlyq的专栏
06-19 1541
onnxruntime-gpu用pyinstaller
onnxruntime cuda版本使用时出现的错误汇总
qq_33671888的博客
01-10 1万+
1 用qt c++ 推理 onnxruntime cuda时出现诸如 E:onnxruntime:barcode, provider_bridge_ort.cc:995 onnxruntime::ProviderLibrary::Get] LoadLibrary failed with error 126 "找不到指定的模块。" when trying to load onnxruntime_providers_cuda.dll c等错错误 解决方法: 下载带onnxruntime_providers
ONNX模型推理 ｜ ONNX Runtime 找不到 CUDA，推理只能用 CPU 时的解决方案
weixin_44212848的博客
03-20 1万+
onnxruntime 推理时无法用上 GPU，onnxruntime 找不到 CUDA
可用提供者: ['TensorrtExecutionProvider', 'CUDAExecutionProvider', 'CPUExecutionProvider'] *************** EP Error *************** EP Error 'providers' and 'provider_options' should be the same length if both are given. when using ['CUDAExecutionProvider', 'TensorrtExecutionProvider'] Falling back to ['CUDAExecutionProvider', 'CPUExecutionProvider'] and retrying. **************************************** 2025-06-11 12:54:25.3047392 [E:onnxruntime:Default, provider_bridge_ort.cc:1992 onnxruntime::TryGetProviderInfo_CUDA] D:\a\_work\1\s\onnxruntime\core\session\provider_bridge_ort.cc:1637 onnxruntime::ProviderLibrary::Get [ONNXRuntimeError] : 1 : FAIL : LoadLibrary failed with error 126 "" when trying to load "D:\Program Files\python39\lib\site-packages\onnxruntime\capi\onnxruntime_providers_cuda.dll" 2025-06-11 12:54:25.3087942 [W:onnxruntime:Default, onnxruntime_pybind_state.cc:965 onnxruntime::python::CreateExecutionProviderInstance] Failed to create CUDAExecutionProvider. Require cuDNN 9.* and CUDA 12.*, and the latest MSVC runtime. Please install all dependencies as mentioned in the GPU requirements page (https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements), make sure they're in the PATH, and that your GPU is supported.
06-12
引用[2]中的错误代码126表明无法加载onnxruntime_providers_cuda.dll，通常是依赖的DLL文件缺失或版本不匹配导致。用户已经在CPU上运行，但无法使用GPU。可能的解决步骤包括检查onnxruntime-gpu版本是否正确，以及...
ONNX Runtime 源码阅读：模型分区的实现
SunnyZhou-1024的博客
03-13 3229
为了实现高效的推理，神经网络推理引擎应该尽可能将主机（Host）上能提供更高效计算的硬件设备（Device）利用上，ONNX Runtime当然不能例外。ONNX Runtime目前已经支持了多种不同设备，移动端的支持也在开发中。一台主机上很可能同时存在多种设备，ONNX Runtime是如何选择在那种设备上运行的呢（也就是怎么分区）？对于某些运行时不支持的操作怎么处理（回落）？不同硬件的运行时优先级怎么确定呢？这些就是本文探究的主要内容。
ffmpeg已安装，将自动为视频添加音频 ================================================== 环境检查: CUDA 版本: CUDA 6.5 cuDNN 版本: cuDNN 9.10.2 ONNX Runtime GPU 支持: 支持GPU: True, 但初始化失败: [ONNXRuntimeError] : 1 : FAIL : Load model from D:\Personal\Temp\tmpa584yr5l.onnx failed:system error number 13 ================================================== 尝试使用 CUDAExecutionProvider 进行GPU加速 2025-06-11 23:48:37.7860629 [E:onnxruntime:Default, provider_bridge_ort.cc:1992 onnxruntime::TryGetProviderInfo_CUDA] D:\a\_work\1\s\onnxruntime\core\session\provider_bridge_ort.cc:1637 onnxruntime::ProviderLibrary::Get [ONNXRuntimeError] : 1 : FAIL : LoadLibrary failed with error 126 "" when trying to load "D:\Program Files\python39\lib\site-packages\onnxruntime\capi\onnxruntime_providers_cuda.dll" 2025-06-11 23:48:37.7967453 [W:onnxruntime:Default, onnxruntime_pybind_state.cc:965 onnxruntime::python::CreateExecutionProviderInstance] Failed to create CUDAExecutionProvider. Require cuDNN 9.* and CUDA 12.*, and the latest MSVC runtime. Please install all dependencies as mentioned in the GPU requirements page (https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements), make sure they're in the PATH, and that your GPU is supported. ONNX Runtime 使用的提供程序: ['CPUExecutionProvider'] 模型输入信息: Name: AnimeGANv3_input:0, Shape: [1, 'unk__1822', 'unk__1823', 3], Type: tensor(float) 模型输出信息: Name: generator_1/main/out_layer:0, Shape: ['unk__1824', 'unk__1825', 'unk__1826', 3], Type: tensor(float) 处理视频: 切片法区测试.mp4 使用FFmpeg进行视频编码
最新发布
06-12
- 用 **Dependency Walker** 分析 `onnxruntime_providers_cuda.dll` 依赖项 #### 2. **重新配置环境变量** - 删除旧版CUDA路径（尤其残留的CUDA 11.x） - 确保环境变量 `CUDA_PATH` 指向 **CUDA 12.x** 安装...
FaceFusion2.61安装及配置使用CUDA+cudnn
liangma的专栏
07-24 6009
cuda12.5+cudnn9.2+onnxruntime-gpu1.18.1，可以支撑FaceFusion2.61
无法加载库cudnn_ops_info64_8.dll。错误代码126请确保您的库路径中有cudnn_ops_INFER64_8.dll
06-19 1498
通常，它位于安装cuDNN的目录下的bin文件夹中（例如`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin`）。在Python中，如果你遇到了无法加载库cudnn_ops_info64_8.dll的问题，这通常意味着你的系统缺少必要的CUDA和cuDNN库支持。- 访问NVIDIA官方网站（https://developer.nvidia.com/cudnn），选择与你安装了的CUDA版本对应的cuDNN版本进行下载。
LoadLibrary下错误返回126错误码排查过程
FlushHip
07-21 2万+
在开发一些Windows下的应用程序过程中，经常会手动加载一些DLL，使用的就是LoadLibrary这个函数，而这个函数一旦失败，返回的错误码基本都是126,126错误码的意思是找不到指定的模块，这不，我就遇到了这个问题，而且挺诡异的，就是Debug模式下一点问题没有，Release模式下就必出这个错误码。 先介绍下问题的环境，一个应用程序需要加载一个IoT模块的DLL，这个DLL又依赖了一些D...
onnx runtime文档学习3-CUDA provider
青椒的学习笔记
03-11 2441
本教程第一篇：介绍ONNX Runtime(ORT)的基本概念。本教程第二篇：是一个快速指南，包括安装ONNX Runtime；安装ONNX进行模型输出；Pytorch, TensorFlow和SciKit的快速开始例子本教程第三篇(本博客)：CUDA Provider。
Failed to load library libonnxruntime_providers_cuda.so
weixin_44034199的博客
05-29 1307
无法使用cuda进行onnx推理
2025-03-24 10:06:15.0066424 [W:onnxruntime:Default, onnxruntime_pybind_state.cc:2103 onnxruntime::python::CreateInferencePybindStateModule] Init provider bridge failed. 2025-03-24 10:06:15,969 [INFO ] __init__:get_config:67- Loading config file from: C:\Users\11\.labelmerc 怎么解决
03-25
<think>好的，我现在需要解决用户在Windows系统上遇到的ONNX Runtime初始化提供程序桥失败的问题，以及加载配置文件的相关问题。用户提到了错误信息“init provider bridge failed”和“loading config file issue”，可能还涉及LabelMerc工具。我需要结合自己的知识和引用内容来找到解决方案。 首先，我应该回顾ONNX Runtime的基本结构。ONNX Runtime支持通过提供程序（Providers）来调用不同的执行后端，比如CPU、CUDA、TensorRT等。初始化提供程序桥失败可能发生在切换或配置这些提供程序时。可能的原因包括依赖项缺失、路径错误或配置不正确。 用户提到的引用内容[1]提到UnrealBuildTool中显式构建RuntimeDependency已被弃用，建议将路径字符串添加到运行时依赖项列表。这可能与项目的构建配置有关，特别是在使用C++或其他需要链接依赖项的环境下。如果ONNX Runtime的依赖项没有被正确包含或路径未正确设置，可能导致提供程序初始化失败。 接下来，处理加载配置文件的问题。配置文件的路径错误、权限问题或格式错误都可能导致加载失败。需要检查配置文件是否存在，路径是否正确，以及文件内容是否符合预期格式。 针对这两个问题，我应该分步骤给出解决方案： 1. **检查运行时依赖项路径**：确保所有相关的DLL和依赖项路径正确添加到系统环境变量或项目配置中。特别是检查ONNX Runtime的库路径是否正确，以及是否有任何缺失的依赖项。 2. **验证提供程序配置**：在代码中初始化ONNX Runtime时，确认是否正确配置了所需的提供程序（如CUDA、DirectML）。可能需要显式添加提供程序或检查GPU驱动是否更新。 3. **配置文件路径和权限**：确认配置文件的绝对路径是否正确，是否有读取权限。在Windows上，路径分隔符应使用双反斜杠或原始字符串。同时检查文件内容是否符合JSON或其他指定格式，避免语法错误。 4. **更新ONNX Runtime版本**：如果使用的是旧版本，可能存在已知的bug。建议升级到最新稳定版，查看官方文档或GitHub的Issue是否有类似问题的解决方案。 5. **调试和日志**：启用ONNX Runtime的详细日志记录，帮助定位具体错误位置。通过日志分析初始化过程中哪一步出现了问题。 此外，用户提到LabelMerc，可能是一个特定应用或工具。需要确认该工具是否与当前使用的ONNX Runtime版本兼容，或者是否需要额外的配置步骤。 可能的解决方案步骤包括： - 确保所有依赖项正确安装，路径配置正确。 - 检查代码中提供程序的初始化顺序和配置。 - 使用绝对路径加载配置文件，并验证文件内容。 - 更新或重新安装ONNX Runtime。 - 查看官方文档和社区讨论，寻找类似问题的解决方法。 需要确保用户按照步骤操作，并提供具体的命令或代码示例，如设置环境变量、修改代码初始化部分等。同时，提醒用户检查错误日志的详细信息，以便更精准地定位问题。</think>### 逐步解决方案：ONNX Runtime初始化提供程序桥失败及配置文件加载问题 #### 1. 检查运行时依赖项路径 - **问题背景**：ONNX Runtime需要特定动态链接库（如`onnxruntime.dll`、CUDA相关DLL）才能正确初始化提供程序桥。若路径未正确配置，会导致初始化失败。 - **操作步骤**： 1. 确认ONNX Runtime的安装路径已添加到系统环境变量`PATH`中。例如，若使用Python包，检查`site-packages/onnxruntime`目录是否包含必要的DLL。 2. 若通过C++项目调用，需在构建配置（如`.build.cs`）中显式声明依赖项路径。参考引用[1]，避免直接构造`RuntimeDependency`，改用如下方式： ```csharp PublicRuntimeLibraryPaths.Add("path/to/onnxruntime/lib"); ``` 3. 使用工具（如`Dependency Walker`）检查EXE/DLL的依赖项是否完整。 #### 2. 验证提供程序配置 - **问题背景**：初始化提供程序桥失败可能与后端执行引擎（如CUDA、DirectML）的配置错误有关。 - **操作步骤**： 1. **显式指定提供程序**：在代码中优先加载所需提供程序。例如，Python中初始化会话时指定CUDA： ```python import onnxruntime as ort sess_options = ort.SessionOptions() providers = ['CUDAExecutionProvider', 'CPUExecutionProvider'] # 确保顺序正确 session = ort.InferenceSession("model.onnx", sess_options, providers=providers) ``` 2. **检查GPU驱动**：确保已安装对应版本的CUDA/cuDNN或DirectML驱动，并与ONNX Runtime版本兼容。 3. **回退测试**：尝试仅使用CPU提供程序（`CPUExecutionProvider`），确认是否为GPU相关依赖问题。 #### 3. 解决配置文件加载问题 - **问题背景**：配置文件路径错误或格式错误会导致加载失败，常见于工具链（如LabelMerc）调用ONNX Runtime时。 - **操作步骤**： 1. **绝对路径替代相对路径**：在代码或配置文件中使用绝对路径，避免工作目录不一致导致的问题。例如： ```python config_path = r"C:\Users\Project\config.json" # Windows路径使用原始字符串或双反斜杠 ``` 2. **检查文件权限**：右键配置文件 → 属性 → 安全 → 确认当前用户有读取权限。 3. **验证文件格式**：若配置文件为JSON，使用在线校验工具（如JSONLint）检查语法。例如： ```json { "model_path": "model.onnx", "providers": ["CUDAExecutionProvider"] } ``` #### 4. 更新或重新安装ONNX Runtime - **操作步骤**： 1. 升级到最新稳定版本： ```bash pip install onnxruntime-gpu --upgrade # GPU版本 # 或 pip install onnxruntime --upgrade # CPU版本 ``` 2. 若问题仍存在，彻底卸载后重新安装： ```bash pip uninstall onnxruntime onnxruntime-gpu -y pip cache purge pip install onnxruntime-gpu ``` #### 5. 启用日志调试 - **操作步骤**： 1. 设置环境变量启用ONNX Runtime日志： ```bash set ONNXRUNTIME_LOG_LEVEL=4 # Windows命令行 ``` 2. 运行程序，检查生成的日志文件（如`onnxruntime_log_xxx`），定位具体错误位置（如缺失符号、权限拒绝等）。 #### 6. 兼容性检查（针对LabelMerc） - **操作步骤**： 1. 查阅LabelMerc文档，确认其支持的ONNX Runtime版本。 2. 若需降级ONNX Runtime，使用指定版本安装： ```bash pip install onnxruntime==1.10.0 ``` ### 示例代码：显式初始化提供程序 ```python import onnxruntime as ort try: # 启用详细日志 ort.set_default_logger_severity(3) # 0:Verbose, 3:Error # 显式配置提供程序并加载模型 providers = [('CUDAExecutionProvider', {'device_id': 0}), 'CPUExecutionProvider'] session = ort.InferenceSession("model.onnx", providers=providers) print("Provider桥初始化成功！使用设备：", session.get_providers()) except Exception as e: print(f"初始化失败: {e}") # 检查CUDA是否可用 if 'CUDAExecutionProvider' not in ort.get_available_providers(): print("CUDA提供程序不可用，请检查驱动和安装版本。") ``` ### 关键排查点总结 | 问题类型 | 可能原因 | 解决措施 | |-------------------------|---------------------------|-----------------------------------| | 提供程序桥初始化失败 | 依赖项缺失/路径错误 | 检查环境变量，更新GPU驱动 | | 配置文件加载失败 | 路径错误/权限不足 | 使用绝对路径，验证文件权限 | | 兼容性问题 | ONNX Runtime版本不匹配 | 降级或升级版本，查阅工具链文档 | ### 引用 [^1]: UnrealBuildTool提示，显式声明运行时依赖项路径时需避免直接构造`RuntimeDependency`对象，而应通过路径列表添加，这可能影响ONNX Runtime在C++项目中的依赖加载方式。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值