WSL2（Ubuntu22.04）+Poetry环境下cuDNN配置失败求助

一、前置环境检查 #

• 确认WSL2架构：执行wsl --list --verbose，确保目标Ubuntu22.04实例为WSL2版本
• 验证Windows端NVIDIA驱动：打开NVIDIA控制面板，确认驱动版本支持目标CUDA版本（RTX A1000最低支持CUDA 11.4，推荐选择11.8）
• WSL2内显卡验证：执行nvidia-smi，能正常显示显卡信息及驱动支持的最高CUDA版本即为合格

二、CUDA Toolkit 安装与验证（已安装可跳过，建议检查） #

1. 清理旧版本残留（若之前安装过其他CUDA版本）：

   sudo apt-get purge nvidia* cuda*
   sudo apt-get autoremove
   sudo rm -rf /usr/local/cuda*
   

2. 安装适配WSL2的CUDA 11.8（兼容性最优）：

   wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
   sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/3bf863cc.pub
   sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /"
   sudo apt-get update
   sudo apt-get install -y cuda-toolkit-11-8
   

3. 配置环境变量：
   编辑~/.bashrc或~/.zshrc，添加以下内容：

   export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
   export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
   

   执行source ~/.bashrc使配置生效
4. 验证CUDA：执行nvcc -V，输出正确版本信息即为成功

三、cuDNN 正确安装（避免版本冲突） #

选择与CUDA 11.8匹配的cuDNN 8.6.0.tar包安装，规避deb包的依赖冲突：

1. 解压下载的cuDNN tar包：

   tar -xzvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
   

2. 复制文件到CUDA目录并赋予权限：

   sudo cp cudnn-linux-x86_64-8.6.0.163_cuda11-archive/include/cudnn*.h /usr/local/cuda-11.8/include
   sudo cp cudnn-linux-x86_64-8.6.0.163_cuda11-archive/lib/libcudnn* /usr/local/cuda-11.8/lib64
   sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h /usr/local/cuda-11.8/lib64/libcudnn*
   

3. 验证cuDNN版本：

   cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
   

   应显示对应8.6.0版本信息

四、Poetry 环境适配配置 #

1. 创建或进入Poetry项目：

   poetry new tf-cuda-project
   cd tf-cuda-project
   

2. 添加适配CUDA 11.8的TensorFlow版本（推荐2.12.0）：

   poetry add tensorflow==2.12.0
   

3. 确认环境变量继承：
   执行poetry run python -c "import os; print(os.environ.get('LD_LIBRARY_PATH', 'Not found'))"，需包含/usr/local/cuda-11.8/lib64路径
4. 测试GPU支持：

   poetry run python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
   

   输出GPU设备信息即为配置成功

五、"cuDNN工厂重复注册"错误修复 #

该错误源于环境中存在多个cuDNN实例，按以下步骤清理：

1. 卸载deb安装的cuDNN残留：

   sudo apt-get purge libcudnn*
   sudo apt-get autoremove
   sudo rm -rf /usr/lib/x86_64-linux-gnu/libcudnn*
   

2. 检查Poetry环境内是否自带cuDNN包：

   poetry run pip list | grep cudnn
   

   若存在nvidia-cudnn-cu11等包，执行卸载：

   poetry run pip uninstall -y nvidia-cudnn-cu11
   

3. 重新加载环境后测试：

   source ~/.bashrc
   poetry run python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"
   

内容的提问来源于stack exchange，提问作者Lysapala