WSL2下CUDA版本切换踩坑记：从12.0降级到11.1，成功安装diff-gaussian-rasterization
WSL2下CUDA版本切换实战：从12.0降级到11.1的完整指南
最近在复现3D高斯泼溅（3D Gaussian Splatting）相关论文时，发现其依赖的diff-gaussian-rasterization库对CUDA版本有严格要求。官方文档明确建议使用CUDA 11.1，而我的WSL2环境默认安装的是CUDA 12.0。经过多次尝试和排错，最终成功完成了CUDA版本降级和库的安装。本文将详细记录整个过程，特别针对个人开发者常见的环境配置问题提供解决方案。
1. 环境检查与问题定位
在开始任何操作前，我们需要先确认当前环境的CUDA版本和驱动状态。打开WSL2终端，依次执行以下命令：
nvidia-smi # 查看GPU驱动版本和CUDA运行时版本 nvcc --version # 查看当前使用的CUDA编译器版本这两个命令的输出可能会显示不同版本号，这是正常现象。nvidia-smi显示的是驱动支持的最高CUDA版本，而nvcc显示的是当前开发环境实际使用的版本。
常见问题场景：
- 当尝试安装
diff-gaussian-rasterization时出现CUDA version mismatch错误 - 即使conda环境中安装了cudatoolkit 11.1，编译时仍使用系统CUDA 12.0
- 缺乏管理员权限无法直接修改系统级CUDA安装
关键诊断点：
- 检查
which nvcc确定编译器路径 - 确认
$PATH环境变量中CUDA路径的顺序 - 验证
torch.cuda.is_available()在Python环境中的返回结果
2. CUDA 11.1的安装与配置
在WSL2中安装特定版本CUDA需要手动下载.run文件并执行安装。以下是详细步骤：
- 下载CUDA 11.1安装包：
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run- 执行安装（注意跳过驱动安装）：
sudo sh cuda_11.1.0_455.23.05_linux.run安装界面操作要点：
- 选择
Continue - 输入
accept同意条款 - 关键步骤：在组件选择界面，务必取消勾选
Driver选项 - 保留其他默认选项完成安装
- 验证安装结果：
ls /usr/local/cuda-11.1 # 确认安装目录存在3. CUDA版本切换的可靠方法
许多教程建议通过修改软链接来切换CUDA版本，但在WSL2环境下这种方法可能失效。更可靠的方式是直接修改环境变量：
- 编辑bash配置文件：
vim ~/.bashrc- 添加或修改以下内容（注释掉原有CUDA 12.0的配置）：
# CUDA 11.1配置 export PATH="/usr/local/cuda-11.1/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH" export LIBRARY_PATH="/usr/local/cuda-11.1/lib64:$LIBRARY_PATH"- 应用更改：
source ~/.bashrc nvcc --version # 现在应显示11.1版本环境变量对比表：
| 变量名 | 作用 | 典型值示例 |
|---|---|---|
| PATH | 指定可执行文件搜索路径 | /usr/local/cuda-11.1/bin:$PATH |
| LD_LIBRARY_PATH | 运行时库搜索路径 | /usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH |
| LIBRARY_PATH | 编译时库搜索路径 | 同上 |
4. 解决glm依赖问题
即使正确配置了CUDA版本，安装diff-gaussian-rasterization时仍可能遇到glm头文件缺失的错误：
fatal error: glm/glm.hpp: No such file or directory这是因为该库依赖OpenGL Mathematics (GLM)库。在Ubuntu/WSL2中安装方法如下：
sudo apt-get update sudo apt-get install libglm-dev安装完成后，再次尝试安装目标库：
pip install submodules/diff-gaussian-rasterization常见问题排查：
- 如果仍然失败，尝试先卸载再重新安装：
pip uninstall diff-gaussian-rasterization pip install --no-cache-dir submodules/diff-gaussian-rasterization - 确保conda环境中安装了匹配版本的PyTorch：
import torch print(torch.__version__, torch.cuda.is_available()) # 应返回True
5. 多版本CUDA共存管理技巧
对于需要频繁切换CUDA版本的用户，推荐使用以下方法简化管理：
- 创建切换脚本
cuda-switch.sh：
#!/bin/bash version=$1 export PATH="/usr/local/cuda-$version/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-$version/lib64:$LD_LIBRARY_PATH" export LIBRARY_PATH="/usr/local/cuda-$version/lib64:$LIBRARY_PATH" source ~/.bashrc nvcc --version- 赋予执行权限并使用：
chmod +x cuda-switch.sh ./cuda-switch.sh 11.1 # 切换到CUDA 11.1- 对于conda用户，可以创建专用环境：
conda create -n cuda11 python=3.8 conda activate cuda11 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch版本兼容性参考：
| CUDA版本 | PyTorch版本 | 备注 |
|---|---|---|
| 11.1 | 1.8.0+ | 适合diff-gaussian-rasterization |
| 11.3 | 1.10.0+ | 较新但可能不兼容 |
| 12.0 | 最新版 | 不推荐用于此项目 |
在实际项目中，我发现最稳定的组合是CUDA 11.1 + PyTorch 1.8.0。虽然新版本理论上具有更好的性能，但特定库的兼容性往往更为关键。