WSL2如何启用CUDA GPU加速详解

本文详细讲解了在WSL2环境下启用NVIDIA GPU CUDA加速的完整实操路径，涵盖从Windows端驱动更新、WSL2内核升级、Ubuntu中CUDA工具链配置，到多层级验证（nvidia-smi、nvcc、deviceQuery）及PyTorch专用包安装等五大关键步骤，直击深度学习开发者在WSL2中GPU不可用、torch.cuda.is_available()返回False等高频痛点，提供经过验证的、无需重装系统或降级版本的一站式解决方案，助你快速释放WSL2的AI算力潜能。

如果您已在Windows系统中安装WSL2并配置了Ubuntu发行版，但运行深度学习任务时无法调用GPU进行CUDA加速，则可能是由于WSL2未正确识别NVIDIA显卡或CUDA环境未就绪。以下是启用WSL2 GPU加速功能的多种可行路径：

一、验证Windows端NVIDIA驱动状态

WSL2的GPU能力完全依赖于Windows主机上已安装的兼容驱动。若驱动版本过旧或不支持WSL2 CUDA直通，nvidia-smi在WSL内将不可用。必须确保驱动为NVIDIA官方发布的、明确标注支持WSL2的版本。

1、以管理员身份打开PowerShell。

2、执行命令：nvidia-smi，确认输出中显示GPU型号、驱动版本及“WDDM”或“TCC”模式标识。

3、若提示“NVIDIA-SMI has failed”，请立即前往NVIDIA官网驱动下载页，选择对应显卡型号与Windows系统版本，下载并安装Game Ready Driver 或 Studio Driver（版本 ≥ 515.65），安装时勾选“清洁安装”选项。

二、升级WSL2内核至5.10及以上版本

GPU直通功能自WSL2内核5.10起正式支持。低于该版本的内核即使驱动就绪也无法调用CUDA设备。此步骤独立于Linux发行版安装，需在Windows终端中强制更新。

1、在Windows终端（非WSL）中执行：wsl --update。

2、等待下载完成并显示“已成功更新WSL。”字样。

3、重启WSL实例：wsl --shutdown，随后重新启动Ubuntu终端。

三、在WSL Ubuntu中启用CUDA工具链

WSL2不运行独立GPU驱动，但需安装CUDA运行时库与开发工具包，以便PyTorch/TensorFlow等框架链接CUDA API。推荐使用NVIDIA官方APT仓库安装，避免手动编译风险。

1、在Ubuntu终端中执行：sudo apt update && sudo apt install -y build-essential。

2、下载并安装CUDA keyring：wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.0-1_all.deb && sudo dpkg -i cuda-keyring_1.0-1_all.deb。

3、更新源并安装CUDA Toolkit：sudo apt-get update && sudo apt-get -y install cuda-toolkit-12-4（或cuda-11-7，依据Windows驱动兼容性选择）。

4、写入环境变量：echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc && echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc && source ~/.bashrc。

四、验证nvidia-smi与CUDA可见性

该步骤用于确认WSL2是否真正获得GPU设备访问权限，而非仅模拟环境。只有当nvidia-smi在WSL终端中成功返回GPU信息，且CUDA示例程序可编译运行，才算完成基础加速通路。

1、在Ubuntu终端中直接运行：nvidia-smi，应显示与Windows端一致的GPU型号、显存使用率及“WDDM”运行模式。

2、检查CUDA版本：nvcc --version，输出应包含CUDA编译器版本号（如12.4.127）。

3、进入CUDA示例目录并编译测试：cd /usr/local/cuda/samples/1_Utilities/deviceQuery && sudo make && ./deviceQuery，最终输出需含“Result = PASS”。

五、绕过PyTorch CUDA编译失败的替代方案

部分用户在pip install torch后执行torch.cuda.is_available()返回False，常因PyTorch预编译包与WSL2 CUDA版本不匹配所致。此时无需重装驱动或降级CUDA，可直接切换为NVIDIA认证的WSL专用PyTorch构建。

1、卸载现有PyTorch：pip uninstall torch torchvision torchaudio。

2、安装WSL适配版：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121（cu121对应CUDA 12.1；若使用CUDA 11.7则替换为cu117）。

3、验证可用性：python3 -c "import torch; print(torch.cuda.is_available())"，输出应为True。

今天关于《WSL2如何启用CUDA GPU加速详解》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！