WSL中TensorFlow无法识别GPU，安装tensorflow[and-cuda]报错

1. 修复zsh: no matches found报错 #

zsh会将方括号[]解析为路径通配符，执行安装命令时给包名加单引号即可避免匹配问题：

python3 -m pip install 'tensorflow[and-cuda]'

2. 确认WSL2的GPU基础通路 #

在WSL终端执行nvidia-smi，若能输出GPU型号、驱动版本等信息，说明Windows到WSL的GPU链路正常；若无法执行：

• 打开Windows终端（CMD/PowerShell）执行wsl --update更新WSL内核
• 确认BIOS已开启虚拟化（VT-x/AMD-V），且Windows已启用Hyper-V（设置→应用→可选功能→更多Windows功能→勾选Hyper-V）

3. 配置WSL环境变量 #

安装完tensorflow[and-cuda]后，需将CUDA库路径加入系统环境变量：
编辑~/.zshrc文件，添加以下内容：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda/bin:$PATH

保存后执行source ~/.zshrc使配置生效。

4. 版本兼容性适配 #

• 你的CUDA 12.4、Python 3.12.2与TensorFlow 2.15+版本兼容，tensorflow[and-cuda]会自动安装匹配的依赖包
• 若使用conda环境，可通过conda安装依赖避免路径冲突：

  conda install cudatoolkit=12.2 cudnn=8.9
  pip install tensorflow
  

5. 验证GPU识别 #

重新打开终端，执行测试命令：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

输出包含GPU设备信息即代表配置成功。

内容的提问来源于stack exchange，提问作者Time