WSL2下Mamba安装Python3.10版TensorFlow2.10+CUDA报错求助

在启用了systemd的WSL2 Ubuntu 22.04环境中使用mambaforge，执行命令：

mamba install tensorflow

尝试安装支持CUDA的TensorFlow 2.10。WSL2中nvidia-smi -q输出显示：驱动版本527.56，CUDA版本12.0，GPU为NVIDIA GeForce RTX 3070 Laptop GPU。

已有一套基于Python 3.9的TensorFlow环境可正常运行，但需要Python 3.10版本的对应环境。尝试安装时出现错误：

Could not solve for environment specs
Encountered problems while solving:
  - nothing provides __cuda needed by tensorflow-2.10.0-cuda112py310he87a039_0

The environment can't be solved, aborting the operation

1. CUDA版本依赖不匹配：TensorFlow 2.10官方依赖CUDA 11.2，但当前系统的CUDA版本是12.0。conda-forge提供的Python 3.10版TensorFlow 2.10包要求的__cuda虚拟包对应CUDA 11.2，而系统环境无法提供该版本的虚拟包。
2. 包依赖约束限制：针对Python 3.10的TensorFlow 2.10包在构建时绑定了特定CUDA版本依赖，当前WSL2的CUDA驱动虽兼容CUDA 11.2，但mamba无法识别到符合要求的__cuda虚拟包（系统默认识别CUDA 12.0的虚拟包）。

方法一：创建指定版本的新环境 #

直接指定Python 3.10和CUDA 11.2创建环境，让mamba自动处理依赖：

mamba create -n tf310 python=3.10 tensorflow=2.10 cudatoolkit=11.2

激活环境：

mamba activate tf310

方法二：约束CUDA虚拟包版本 #

通过约束__cuda版本匹配TensorFlow依赖：

mamba install tensorflow=2.10 python=3.10 "__cuda>=11.2,<11.3"

该命令会强制mamba选择依赖CUDA 11.2的TensorFlow包，并安装对应CUDA工具包。

方法三：使用pip绕过mamba依赖检查 #

先创建Python 3.10环境，再用pip安装：

mamba create -n tf310 python=3.10
mamba activate tf310
pip install tensorflow==2.10.*

pip会自动适配系统CUDA驱动（只要驱动版本≥CUDA 11.2，即可兼容TensorFlow 2.10）。

验证安装 #

激活环境后执行以下代码验证GPU识别：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

输出包含GPU设备信息则说明安装成功。

内容的提问来源于stack exchange，提问作者Otávio Augusto Silva