WSL2中TensorFlow 2.12无法检测GPU（cuDNN识别失败）求助

• 同一Windows 11系统本地运行PyTorch 2.0.0+CUDA 11.8正常，但WSL2 Ubuntu环境中的TensorFlow 2.12无法检测GPU
• 系统配置：RTX 3060、Windows 11 Pro + WSL2（Ubuntu）
• 已执行操作：安装NVIDIA官网对应GPU驱动、遵循TensorFlow官网分步安装指南、参考YouTube教程、重装WSL
• 运行代码：

import tensorflow as tf

print('TensorFlow Version : ',tf.__version__)
print('GPU Name : ',tf.config.list_physical_devices('GPU'))

• 报错信息：Skipping registering GPU devices (Unable to detect cuDNN for some reason)

1. 确认WSL2中CUDA Toolkit版本兼容性 #

TensorFlow 2.12要求CUDA 11.8和cuDNN 8.6.0，执行以下命令检查当前CUDA版本：

nvcc --version

若版本不符，需在WSL2中安装CUDA 11.8（WSL2无需单独安装GPU驱动，依赖Windows端驱动）。

2. 正确配置cuDNN #

• 下载对应CUDA 11.8的cuDNN 8.6.0压缩包，解压后执行以下命令复制文件到CUDA目录：

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*

• 更新系统库缓存：

sudo ldconfig

3. 配置环境变量 #

编辑~/.bashrc（或~/.zshrc，根据所用Shell），添加以下内容：

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

执行命令使配置生效：

source ~/.bashrc

4. 验证基础环境可用性 #

• 在WSL2中执行nvidia-smi，若能正常显示GPU信息，说明Windows端驱动与WSL2通信正常。
• 检查Python环境中TensorFlow安装状态，执行pip list | grep tensorflow，确保仅安装了tensorflow==2.12.0（2.x版本无需单独安装tensorflow-gpu）。

5. 清理冲突环境，重新安装 #

若存在环境依赖冲突，新建虚拟环境重新安装：

# 创建虚拟环境
python -m venv tf_gpu_env
# 激活环境
source tf_gpu_env/bin/activate
# 安装指定版本TensorFlow
pip install tensorflow==2.12.0

内容的提问来源于stack exchange，提问作者iSiddharth