Tensorflow 2.12 - 无法在 WSL2 中加载库 libcudnn_cnn_infer.so.8

Question

我已经在Windows 10中安装了WSL2 (Ubuntu 22.04 Kernel)、Tensorflow 2.12、Cuda Toolkit 11.8.0和cuDNN 8.6.0.163在 Miniconda 环境 (Python 3.9.16) 中，通常按照官方的tensorflow.org 推荐进行安装。我应该强调的是，我想使用 Tensorflow 2.12，因为使用相应的 Cuda Toolkit 11.8.0，它与 Ada Lovelace GPU（我的情况是 RTX4080）兼容。

当我去训练我的模型时，它给出了以下错误：

"Loaded cuDNN version 8600 Could not load library libcudnn_cnn_infer.so.8. Error: libcuda.so : cannot open shared object file: No such file or directory".

有没有什么想法出了问题*？

路径配置如下：

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

使用以下命令搜索引用我的错误的文件：

• ldconfig -p | grep libcudnn_cnn但它什么也没返回，所以文件不存在，并且
• ldconfig -p | grep libcuda返回的地方libcuda.so.1 (libc6,x86-64) => /usr/lib/wsl/lib/libcuda.so.1

另外，我尝试设置新的环境变量并将其包含在内，$CONDA_PREFIX/etc/conda/activate.d/env_vars.sh但没有任何运气：

export LD_LIBRARY_PATH=/usr/lib/wsl/lib:$LD_LIBRARY_PATH

*请注意，导入 Tensorflow 时，我收到以下警告：

• TF-TRT Warning: Could not find TensorRT

• could not open file to read NUMA node:
      /sys/bus/pci/devices/0000:1c:00.0/numa_node Your kernel may have been built without NUMA support.
  

此外，尝试遵循NVIDIA Documentation for WSL，具体在第 3 节 -> 选项 1 中，但这并不能解决问题。

Answer 1

遇到这个问题并经过大量挖掘后找到了可行的解决方案。

首先，缺失libcuda.so可以通过这里提出的方法解决：https://github.com/microsoft/WSL/issues/5663#issuecomment-1068499676

本质上是重建 CUDA lib 目录中的符号链接：

> cd \Windows\System32\lxss\lib
> del libcuda.so
> del libcuda.so.1
> mklink libcuda.so libcuda.so.1.1
> mklink libcuda.so.1 libcuda.so.1.1

（这是在管理员提升的命令提示符 shell 中完成的）

然后，当您遇到丢失设备的问题（毫无疑问您会遇到）时，请通过以下方式解决： https: //github.com/tensorflow/tensorflow/issues/58681#issuecomment-1406967453

归结为：

$ mkdir -p $CONDA_PREFIX/lib/nvvm/libdevice/
$ cp -p $CONDA_PREFIX/lib/libdevice.10.bc $CONDA_PREFIX/lib/nvvm/libdevice/
$ export XLA_FLAGS=--xla_gpu_cuda_data_dir=$CONDA_PREFIX/lib

和

$ conda install -c nvidia cuda-nvcc --yes

（通过 验证ptxas --version）

如果您在 VSCode 远程 WSL 中运行笔记本，那么您需要添加export XLA_FLAGS=--xla_gpu_cuda_data_dir=$CONDA_PREFIX/lib（/$CONDA_PREFIX/etc/conda/activate.d/env_vars.sh无论如何，这是一个很好的做法）