如果安装了CUDAnn v10.1后，Tensorflow仍未在GPU上运行，可以尝试以下解决方法：

1. 确保正确安装了CUDA和CUDAnn，并且版本匹配。可以使用以下代码验证CUDA和CUDAnn的版本是否正确：

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available(cuda_only=True))

确保输出中的版本与安装的版本一致，并且GPU可用。

2. 确保在安装Tensorflow之前已经正确配置了CUDA和CUDAnn的环境变量。可以通过以下代码验证环境变量是否正确配置：

import os
print(os.environ['CUDA_HOME'])
print(os.environ['CUDNN_HOME'])

确保输出中的路径与CUDAnn安装路径一致。

3. 如果上述步骤都正确，可以尝试重新安装Tensorflow，确保使用了正确的CUDA和CUDAnn版本。可以使用以下命令重新安装Tensorflow：

pip uninstall tensorflow
pip install tensorflow-gpu

确保在重新安装之前卸载了之前的Tensorflow版本。

4. 如果仍然无法在GPU上运行Tensorflow，可能是因为Tensorflow的默认设备设置为CPU。可以使用以下代码将Tensorflow设置为GPU设备：

import tensorflow as tf
physical_devices = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)

确保将physical_devices[0]替换为正确的GPU设备索引。

通过以上步骤，应该能够解决Tensorflow未在GPU上运行的问题。如果问题仍然存在，可能需要检查系统和驱动程序的兼容性，并确保正确安装了所有依赖项。