根本原因是Visual C++ 2015–2019 Redistributable (x64)缺失，导致_pywrap_tensorflow.pyd无法加载MSVCP140.DLL等核心运行时组件，进而引发“DLL load failed”错误；必须安装vc_redist.x64.exe并重启系统。
根本原因不是“模型不能加载”，而是C++环境里压根没准备好TensorFlow运行时所需的全部依赖链——从底层DLL、Python解释器上下文，到模型格式兼容性，缺一不可。
Windows下ImportError: DLL load failed是头号拦路虎
这个错误90%以上和Visual C++运行库缺失直接相关。TensorFlow的Python wheel包在Windows上强依赖Microsoft Visual C++ 2015–2019 Redistributable (x64)，而很多机器只装了VS编译器或旧版运行库。
- 必须安装完整版
vc_redist.x64.exe（不是仅开发机装的VS套件） - 安装后务必重启系统——Windows的DLL缓存机制会让旧路径残留生效
- 如果用的是Python 3.11+，还要确认是否同时安装了对应版本的
Windows SDK，否则pywrap_tensorflow.pyd仍会找不到符号
C++嵌入Python时ModuleNotFoundError: No module named 'tensorflow'
这不是路径写错，而是C++进程启动时压根没进入你的虚拟环境上下文。系统Python和venv/conda环境完全隔离，Py_Initialize()默认走PATH里的第一个python.exe。
- 调用
Py_SetPythonHome(L"C:\path\to\venv")必须在Py_Initialize()之前，且路径不能带尾部反斜杠 - 更稳妥的做法是在Python脚本开头硬编码补路径：
sys.path.insert(0, r"C:path o envLibsite-packages") - 避免用
system("python script.py")方式调用——子进程无法继承父进程的PYTHONHOME，环境彻底丢失
libtensorflow_cc.so加载模型失败：格式不匹配
C++原生API（tensorflow::Session）只认冻结图.pb，不支持.meta + .index + .data这种Checkpoint组合，也不认SavedModel目录结构（除非手动解析saved_model.pb并重建MetaGraphDef）。
立即学习“Python免费学习笔记（深入）”；
- 训练完必须用
freeze_graph或Python的tf.graph_util.convert_variables_to_constants导出纯.pb - 若坚持用Checkpoint，C++侧得自己调
tensorflow::import::LoadSavedModel（TF 2.x起才稳定支持），且要传对tags（通常是{"serve"}） - 注意输入tensor name：Python里叫
"input:0"，C++里可能变成"import/input:0"（取决于graph导入时是否加了import/前缀）
最易被忽略的一点：TensorFlow C++库编译时用的protobuf版本，必须和Python端保存模型时用的完全一致。差一个小版本，ParseFromString()就静默失败，session->Run()返回空tensor——连错误日志都不打。
