【CUDA】WSL2でGPUを使うための完全ガイド：ドライバ設定とよくあるエラー解決法

問題の概要：WSL2でCUDAが使えない・GPUが認識されない

Windows Subsystem for Linux 2 (WSL2) 上で機械学習や深層学習の開発環境を構築する際、CUDAを利用してGPUのパワーを活用したい場面は多々あります。しかし、WindowsホストとWSL2ゲストの間で適切な設定を行わないと、以下のような問題に直面します。

• nvidia-smiコマンドを実行しても「コマンドが見つからない」または「NVIDIAドライバが実行されていません」というエラーが発生する。
• PyTorchやTensorFlowでtorch.cuda.is_available()を実行するとFalseが返り、GPUが認識されない。
• エラーメッセージ: CUDA error: no kernel image is available for execution on the device や Failed to initialize NVML: Driver/library version mismatch が表示される。

これらの問題は、Windows側のドライバ、WSL2側のCUDA Toolkit、そしてWSL2自体の設定が連携していないことが主な原因です。本記事では、ステップバイステップで確実に動作する環境構築方法を解説します。

原因の解説：なぜWSL2でCUDA設定は複雑なのか？

WSL2は、従来の仮想マシンとは異なるアーキテクチャを採用しています。GPUリソースへのアクセスに関して、以下のような複雑な要素が絡み合っています。

1. 新しいGPUドライバモデル

WSL2でCUDAを利用するためには、Windows側にインストールするNVIDIAドライバが、WSL2サポートを含んだ特別なバージョンである必要があります。従来の「GeForce Game Ready Driver」などでは動作せず、「NVIDIA Driver for CUDA on WSL」という位置付けのドライバが必要です。このドライバが、WindowsカーネルとWSL2のLinuxカーネルを橋渡しする役割を果たします。

2. ホスト(Windows)とゲスト(WSL2)のバージョン整合性

Windows側のドライババージョンと、WSL2内にインストールするCUDA ToolkitやcuDNNのバージョンに互換性がなければなりません。バージョン不一致は、Driver/library version mismatchエラーの直接的な原因となります。

3. WSL2のカーネルとCUDAの互換性

WSL2はMicrosoftが提供するLinuxカーネルを使用しています。このカーネルバージョンが古すぎると、新しいCUDAドライバと互換性の問題が生じる可能性があります。

解決方法：ステップバイステップ設定ガイド

ステップ1: 前提条件の確認

まず、以下の条件を満たしていることを確認してください。

• Windows 10 バージョン 21H2（ビルド 19044）以上、または Windows 11。
• WSL2が有効化されており、Ubuntu 20.04 LTSまたは22.04 LTSなどのディストリビューションがインストール済み。
• NVIDIA製GPU（Pascalアーキテクチャ以降）を搭載。

WSL2のバージョンとデフォルトバージョンを確認します。

# PowerShell (管理者権限で実行)
wsl --list --verbose

# 出力例：
#   NAME            STATE           VERSION
# * Ubuntu-22.04    Running         2
# デフォルトのWSLバージョンが2であることを確認。
wsl --set-default-version 2

ステップ2: Windows側への正しいNVIDIAドライバのインストール

これが最も重要なステップです。通常のグラフィックスドライバではなく、WSL2用のCUDAドライバをインストールする必要があります。

1. 既存のNVIDIAドライバがある場合は、DDU (Display Driver Uninstaller) などのツールを使用して完全にアンインストールすることを推奨します（特に問題が発生している場合）。
2. NVIDIA公式のCUDA on WSLダウンロードページにアクセスします。
3. 「Download Driver for CUDA on WSL」ボタンをクリックし、お使いのGPUに合ったドライバをダウンロード・インストールします。このドライバパッケージには、Windows用グラフィックスドライバと、WSL2を通じてGPUにアクセスするためのコンポーネントの両方が含まれています。

インストール後、WindowsのコマンドプロンプトまたはPowerShellで以下のコマンドを実行し、ドライバが正しく認識されているか確認します。

# PowerShell
nvidia-smi.exe

Windows側でnvidia-smi.exeが正常に実行され、GPU情報が表示されることを確認してください。

ステップ3: WSL2内でのCUDA Toolkitのインストール

次に、WSL2のLinuxディストリビューション内でCUDA Toolkitをインストールします。NVIDIAが提供するWSL2専用のリポジトリを使用する方法が最も簡単で確実です。

# WSL2のUbuntuターミナルで実行
# 1. キーリングとリポジトリの設定
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/3bf863cc.pub
sudo add-apt-repository 'deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /'
sudo apt-get update

# 2. CUDA Toolkitのインストール (最新版をインストール)
sudo apt-get -y install cuda-toolkit-12-4 # 例: CUDA 12.4。バージョンは適宜変更。

# 3. パスを通す（~/.bashrcに追記）
echo 'export PATH=/usr/local/cuda-12/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc

ステップ4: 動作確認

すべての設定が完了したら、WSL2内で以下のコマンドを実行してGPUが正しく認識されているか確認します。

# 1. nvidia-smiの実行（WSL2内）
nvidia-smi

# 正常な出力例：
# +---------------------------------------------------------------------------------------+
# | NVIDIA-SMI 535.104.05             Driver Version: 535.104.05   CUDA Version: 12.2     |
# |-----------------------------------------+----------------------+----------------------+
# | 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 4070 Ti     On  | 00000000:01:00.0  On |                  N/A |
# |  0%   39C    P8              10W / 285W |    105MiB / 12288MiB |      0%      Default |
# |                                         |                      |                  N/A |
# +-----------------------------------------+----------------------+----------------------+

# 2. PyTorchでの確認
python3 -c "import torch; print(f'PyTorch version: {torch.__version__}'); print(f'CUDA available: {torch.cuda.is_available()}'); print(f'CUDA device count: {torch.cuda.device_count()}'); if torch.cuda.is_available(): print(f'Current device: {torch.cuda.get_device_name(0)}')"

# 期待する出力：
# PyTorch version: 2.2.0
# CUDA available: True
# CUDA device count: 1
# Current device: NVIDIA GeForce RTX 4070 Ti

コード例・コマンド例：トラブルシューティング

設定中に発生する可能性のある具体的なエラーとその解決策です。

エラー1: “Failed to initialize NVML: Driver/library version mismatch”

原因: Windowsホストのドライババージョンと、WSL2内のCUDAライブラリのバージョンが一致していない。

解決策: バージョンの整合性を取る。Windowsのnvidia-smi.exeで表示される「CUDA Version」と、WSL2内でnvcc --versionや/usr/local/cuda/version.txtで確認できるCUDA Toolkitのバージョンを近いものに揃える。必要であれば、WSL2内のCUDA Toolkitをアンインストールし、バージョンを指定して再インストールする。

# WSL2内でCUDA Toolkitをアンインストール
sudo apt-get --purge remove "*cuda*" "*cublas*" "*cufft*" "*cufile*" "*curand*" "*cusolver*" "*cusparse*" "*gds-tools*" "*npp*" "*nvjpeg*" "nsight*" "*nvvm*"

# 特定バージョンの再インストール（例：CUDA 11.8）
sudo apt-get install cuda-toolkit-11-8

エラー2: “CUDA error: no kernel image is available for execution on the device”

原因:</strong PyTorchやTensorFlowのバージョンが、インストールされているCUDAのバージョンや、GPUのコンピュート能力（Compute Capability）に対応していない。

# PyTorch公式サイト推奨のコマンド例（CUDA 12.1用）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# PowerShell (管理者権限)
wsl --update
wsl --shutdown
# その後、WSL2を再起動