使用TensorFlow GPU训练时Jupyter内核立即崩溃求助

在WSL2（Debian/Ubuntu）环境下使用Jupyter Notebook，Python代码、TensorFlow CPU训练均正常，但执行GPU训练（model.fit(x=train_images, y=train_labels, epochs=10)）时内核立即崩溃，日志报错：

Could not load library libcudnn_cnn_infer.so.8. Error: libcuda.so: cannot open shared object file: No such file or directory

环境信息：

• Windows 10 最新版本，WSL2运行Ubuntu和Debian
• GPU：NVIDIA GeForce GTX 1660，Windows端已通过GeForce Experience更新驱动，nvidia-smi可正常显示硬件信息
• 已按TensorFlow官方指南搭建环境：Miniconda创建Python3.9的tf环境，安装ipykernel后Jupyter正常；安装GPU依赖、配置路径、TensorFlow后可检测到GPU，但训练时崩溃
• 已确认libcudnn_cnn_infer.so.8在LD_LIBRARY_PATH中，尝试过重命名相关文件、添加/lib/wsl/lib/libcuda.so到路径，问题未解决

1. 验证WSL2的CUDA Toolkit版本 #

确保安装的是NVIDIA CUDA Toolkit for WSL2（而非原生Linux版本），执行命令验证版本是否与TensorFlow要求匹配（如TensorFlow 2.10+对应CUDA 11.2+）：

nvcc --version

2. 修复libcuda.so软链接 #

WSL2中libcuda.so需从/lib/wsl/lib/目录软链接到系统库路径，不要手动复制或重命名，执行以下命令：

sudo ln -s /lib/wsl/lib/libcuda.so.1 /usr/lib/x86_64-linux-gnu/libcuda.so
sudo ln -s /lib/wsl/lib/libcuda.so /usr/lib/x86_64-linux-gnu/libcuda.so

验证链接是否生效：

ls -l /usr/lib/x86_64-linux-gnu/libcuda.so

3. 全局配置LD_LIBRARY_PATH #

将路径写入全局配置文件，确保终端和Jupyter都能继承：

• 编辑~/.bashrc或/etc/profile，添加：

  export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/lib/wsl/lib:$LD_LIBRARY_PATH
  

• 使配置立即生效：

  source ~/.bashrc
  

• 验证路径加载：

  echo $LD_LIBRARY_PATH
  

4. 配置Jupyter继承环境变量 #

Jupyter可能未继承终端的环境变量，需手动配置：

• 生成Jupyter配置文件（若未生成）：

  jupyter notebook --generate-config
  

• 编辑~/.jupyter/jupyter_notebook_config.py，添加：

  import os
  os.environ['LD_LIBRARY_PATH'] = '/usr/local/cuda/lib64:/lib/wsl/lib:' + os.environ.get('LD_LIBRARY_PATH', '')
  

5. 测试TensorFlow GPU检测 #

在Jupyter中运行以下代码，确认GPU识别状态：

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))
print(tf.version.VERSION)

若此处出现加载错误，说明CUDA/CUDNN版本不匹配，需重新安装对应版本依赖。

6. 重启WSL2会话 #

执行命令重启WSL2，确保所有配置生效：

wsl --shutdown

重新打开WSL终端后启动Jupyter Notebook测试。

内容的提问来源于stack exchange，提问作者Daniel Swarts