NAMER运动校正CNN环境配置求助：版本兼容与运行报错问题

1. 修复WSL内的CuDNN版本匹配问题 #

报错核心是运行时加载的CuDNN7.5与TensorFlow1.15编译要求的CuDNN7.6不匹配，你将CuDNN文件复制到Windows系统的CUDA目录无效——因为WSL环境使用独立的Linux CUDA/CuDNN库，而非Windows下的文件。

操作步骤：

• 在WSL内卸载现有CuDNN：

  sudo apt-get remove libcudnn7
  

• 下载适配CUDA10.0的CuDNN7.6.0 Linux版本，解压后复制到WSL的CUDA路径：

  sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
  sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
  sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
  

• 配置WSL环境变量，确保优先加载正确的库：
  在~/.bashrc中添加：

  export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
  export CUDA_HOME=/usr/local/cuda
  

  生效配置：

  source ~/.bashrc
  

2. 确认依赖版本的正确组合 #

TensorFlow1.15官方兼容版本为：

• Python：3.6-3.7（推荐3.7）
• CUDA：10.0
• CuDNN：7.6.0
• Keras：2.2.5
  你当前的版本组合符合要求，但需确保WSL内的Python环境完全使用这套依赖，避免混合不同版本。

3. 解决Matlab调用Python的环境问题 #

Matlab R2020a的pyenv需指向WSL内的Python环境，而非Windows系统的Python：

• 在Matlab中执行命令，设置WSL内Python3.7的实际路径：

  pyenv('Version','/usr/bin/python3.7')
  

• 验证Matlab是否能正确加载WSL内的TensorFlow：

  py.tensorflow.__version__
  

  返回1.15.0则说明环境配置正确。

4. 额外验证步骤 #

• 在WSL内直接运行Python脚本，确认TensorFlow能正常初始化：

  import tensorflow as tf
  print(tf.__version__)
  print(tf.test.is_gpu_available())
  

  输出1.15.0和True则GPU环境正常，再通过Matlab调用即可。

内容的提问来源于stack exchange，提问作者AlanTuring