WSL下TensorFlow需重复导出CUDNN_PATH及CUDA版本不一致问题求助

一、解决终端重启后需重复执行环境变量命令的问题 #

完全可以将这两行命令添加到.bashrc文件末尾，实现终端启动时自动加载环境变量，步骤如下：

• 打开.bashrc配置文件：

  nano ~/.bashrc
  

• 将以下两行命令粘贴到文件末尾：

  export CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
  export LD_LIBRARY_PATH=${CUDNN_PATH}/lib
  

• 保存并退出编辑器（nano按Ctrl+O回车，再按Ctrl+X；vim按Esc后输入:wq回车）
• 让当前终端立即生效配置，无需重启：

  source ~/.bashrc
  

• 验证：重启终端后，运行以下代码检查GPU是否能被TensorFlow识别：

  import tensorflow as tf
  print(tf.config.list_physical_devices('GPU'))
  

二、nvcc与nvidia-smi显示CUDA版本不一致的原因 #

这是正常现象，两者的版本含义完全不同：

• nvidia-smi显示的是显卡驱动支持的最高CUDA版本（此处为12.4），意味着你的驱动可以兼容所有版本≤12.4的CUDA Toolkit
• nvcc -V显示的是你系统中实际安装的CUDA Toolkit版本（此处为12.0），是编译CUDA代码时使用的版本
• 只要CUDA Toolkit版本≤驱动支持的最高版本，就不会有兼容性问题。TensorFlow 2.16.1支持CUDA 12.0及以上版本，你的配置完全符合要求，无需担心版本差异。

内容的提问来源于stack exchange，提问作者vossi