WSL2中OpenCV Python运行YOLOv4遇CUDA版本不兼容错误求解

1. 清理WSL中多余的CUDA Toolkit版本 #

同时安装多个CUDA版本易引发环境冲突，建议仅保留所需的11.7版本：

• 卸载CUDA 11.6：

  sudo apt-get --purge remove cuda-11-6
  sudo apt-get autoremove
  sudo rm -rf /usr/local/cuda-11.6
  

• 配置CUDA 11.7环境变量，编辑~/.bashrc或~/.zshrc文件，添加：

  export PATH=/usr/local/cuda-11.7/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH
  

• 使配置生效：

  source ~/.bashrc
  

• 验证配置正确性：

  nvcc --version  # 应输出11.7版本信息
  echo $LD_LIBRARY_PATH  # 应包含/usr/local/cuda-11.7/lib64路径
  

2. 确认Windows端驱动兼容性 #

尽管516.59理论支持CUDA 11.7，仍建议升级为NVIDIA针对WSL优化的驱动：

• 通过NVIDIA GeForce Experience检查并安装最新Game Ready驱动，或直接下载WSL专用驱动；
• 重启Windows系统及WSL2实例，确保驱动更新生效。

3. 验证OpenCV的CUDA支持状态 #

检查OpenCV是否正确编译并加载CUDA组件：

• 在Python中执行以下代码：

  import cv2
  print(cv2.cuda.getCudaEnabledDeviceCount())
  print(cv2.getBuildInformation())
  

• 查看输出内容，确认存在CUDA: YES标识，且CUDA版本为11.7，确保OpenCV关联了正确的CUDA Runtime。

4. 调整DNN目标配置 #

若以上步骤无效，尝试将FP16目标改为普通CUDA目标，规避可能的硬件兼容性问题：

net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)

5. 重启WSL2实例 #

环境变量或驱动变更后，需重启WSL使设置生效：

wsl --shutdown
# 重新打开WSL终端即可

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