WSL2 Ubuntu cuda驱动问题解决和CUDA Toolkit安装

参考文章

• WSL2执行nvidia-smi报错:Command ‘nvidia-smi‘ not found, but can be installed with - CSDN

问题：nvidia-smi命令报错

• 在 WSL Ubuntu 中执行 nvidia-smi 命令报错 Command 'nvidia-smi' not found，并且系统提示可以安装多个版本的 nvidia-utils。这通常是因为 WSL2 环境下，NVIDIA 驱动已经随 Windows 主机安装，但 WSL 内部缺少 nvidia-smi 命令的快捷方式或环境变量未生效。
• 原理：WSL2 的 GPU 依赖 Windows 主机的 NVIDIA 驱动，Linux 端不需要独立安装驱动，只需将驱动提供的 nvidia-smi 命令链接到系统可识别的路径即可。

方法一：复制 nvidia-smi 并赋予权限（推荐）

1. 复制 NVIDIA SMI 可执行文件到系统 bin 目录

   cp /usr/lib/wsl/lib/nvidia-smi /usr/bin/nvidia-smi
   

2. 赋予可执行权限

   chmod ogu+x /usr/bin/nvidia-smi
   

3. 验证

   nvidia-smi
   

(base) root@DESKTOP-96TPJ9I:/home/yang# nvidia-smi
Wed Oct 29 16:20:48 2025
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 580.95.02              Driver Version: 581.42         CUDA Version: 13.0     |
+-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 3060        On  |   00000000:04:00.0  On |                  N/A |
|  0%   48C    P0             38W /  170W |     682MiB /  12288MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------++-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A              33      G   /Xwayland                             N/A      |
+-----------------------------------------------------------------------------------------+

方法二：添加 WSL NVIDIA 路径到环境变量

如果方法一无效，可尝试添加 NVIDIA 驱动路径到环境变量：

echo 'export PATH=$PATH:/usr/lib/wsl/lib' >> ~/.bashrc
source ~/.bashrc

• 然后再次尝试 nvidia-smi。

CUDA Toolkit安装

方法一：在 WSL2 中安装 CUDA Toolkit (推荐)

• 推荐方案：采用 方案一，在 WSL2 中通过官方渠道安装完整的 CUDA Toolkit，这是最通用和最可靠的方法。安装后记得配置 CUDA_HOME 环境变量。

1. 访问 NVIDIA 官网下载页面：https://developer.nvidia.com/cuda-downloads

2. 选择正确的选项：

   • Operating System: Linux
   • Architecture: x86_64
   • Distribution: WSL-Ubuntu
   • Version: 2.0 (或最新的 WSL 版本)
   • Installer Type: deb (network)
     

3. 按照官网指示执行命令：网站会生成一系列命令，通常类似于：

   wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
   sudo dpkg -i cuda-keyring_1.1-1_all.deb
   sudo apt-get update
   sudo apt-get -y install cuda-toolkit-13-0
   

4. 配置环境变量：安装完成后，CUDA Toolkit 通常安装在 /usr/local/cuda。需要将 nvcc 的路径和 CUDA_HOME 变量添加到您的 shell 配置文件中（例如 ~/.bashrc）。
   打开文件：

   vim ~/.bashrc
   

   在文件末尾添加以下两行：

   export CUDA_HOME=/usr/local/cuda
   export PATH=$PATH:$CUDA_HOME/bin
   

   保存并退出（在 nano 中是 Ctrl+X, Y, Enter）。

5. 使配置生效：

   source ~/.bashrc
   

6. 验证安装：

   nvcc --version
   

方案二：使用 Conda 安装 CUDA Toolkit (更简单)

1. 使用 Conda 安装 cudatoolkit：在deepseek-ocr 环境中，安装与您 PyTorch 版本匹配的 cudatoolkit。

   conda install cudatoolkit=11.8 -c nvidia
   

2. 设置环境变量：Conda 安装后，nvcc 会在 Conda 环境的 bin 目录里。您仍然需要设置 CUDA_HOME。

   # 找到你的conda环境路径
   echo $CONDA_PREFIX 
   # 输出会是类似 /root/miniconda3/envs/deepseek-ocr# 临时设置环境变量
   export CUDA_HOME=$CONDA_PREFIX# 或者永久写入到 ~/.bashrc
   echo 'export CUDA_HOME=$CONDA_PREFIX' >> ~/.bashrc
   source ~/.bashrc
   

3. 重新安装 flash-attn：

   pip install flash-attn==2.7.3 --no-build-isolation