如何在WSL2中安装带CUDA的PyTorch并解决libcuda.so错误

错误本质 #

libcuda.so是NVIDIA显卡驱动的核心依赖库，出现这个错误说明系统未正确安装NVIDIA驱动，或者驱动的库路径未被系统识别，和PyTorch/CUDA toolkit的安装包本身无关。

解决步骤 #

• 第一步：检查NVIDIA驱动状态
  运行以下命令验证驱动是否安装：

  nvidia-smi
  

  如果命令报错，说明驱动未安装/安装失败，需要先安装对应驱动：

  • 桌面Ubuntu系统：直接执行sudo ubuntu-drivers autoinstall自动匹配安装（安装前需禁用nouveau驱动）
  • 服务器/手动安装：下载对应显卡型号、系统版本的NVIDIA驱动包，按指引安装（注意关闭X服务或进入单用户模式）

• 第二步：确认驱动与CUDA版本兼容
  你安装的是pytorch-cuda=11.7，要求NVIDIA驱动版本至少为450.80.02。如果nvidia-smi显示的驱动版本低于这个值，需要升级驱动。

• 第三步：配置驱动库路径（如果驱动已装但仍报错）
  找到libcuda.so所在的目录，通常路径为/usr/lib/nvidia-<你的驱动版本>（比如/usr/lib/nvidia-470），将其添加到系统库路径：

  • 临时生效（仅当前终端）：

    export LD_LIBRARY_PATH=/usr/lib/nvidia-xxx:$LD_LIBRARY_PATH
    

    替换xxx为你的实际驱动版本号
  • 永久生效（重启后仍有效）：
    编辑~/.bashrc（Ubuntu）或~/.bash_profile（CentOS）文件，添加上述export命令，然后执行：

    source ~/.bashrc
    

• 第四步：验证修复效果

  1. 重新运行nvidia-smi，确认能正常显示显卡、驱动、CUDA版本信息
  2. 测试PyTorch的CUDA可用性：

     import torch
     print(torch.cuda.is_available())
     

     输出True则说明问题解决

注意事项 #

• Conda安装的pytorch-cuda仅包含CUDA toolkit，不会自动安装NVIDIA驱动，驱动必须单独安装
• 如果是集群服务器，可能需要先通过module load nvidia加载NVIDIA驱动模块

内容的提问来源于stack exchange，提问作者reactor