wsl2配置cuda和编译tensorflow

原创

已于 2023-11-02 10:21:07 修改 · 740 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #人工智能 #python

于 2023-10-31 22:26:17 首次发布

本文讲述了在WindowsSubsystemforLinux(WSL)环境中，如何安装CUDAToolkit、配置cuDNN以及编译TensorFlowGPU的详细步骤，包括遇到的问题和解决方法。

1、安装CUDA Toolkit

2、配置cudnn

3、编译tensorflow-gpu

原因是因为我把wsl中的ubuntu发行版搞崩了，卸载重装了发现ext4文件也无了，又要痛苦的重新安装cuda和编译tensorflow了（！！！！！no，好痛苦）

在wsl中输入

nvidia-smi

如果不能显示就是安装的driver version版本太低了我之前就因为这个卡住过

1、安装CUDA Toolkit

CUDA Toolkit Archive | NVIDIA Developer

选择这种方式直接了当

惊奇发现我居然还有cuda11.1

一般下载完就在/usr/local

但是没有配置路径

vim ~/.bashrc
export CUDA_HOM

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Lay_XZ

关注关注

4
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

WSL2安装tensorflow经验总结

qq_14951447的博客

10-08

1318

wsl安装anaconda

如何使用WSL2搭建基于Tensorflow GPU的深度学习环境？

最新发布

cda2024的博客

05-16

939

相信我，这不仅能让你更高效地进行实验和开发，还能为你的职业生涯增添不少亮点，特别是在追求成为。WSL2是一个相对较新的功能，因此你需要确保操作系统是最新的。Ubuntu是最受欢迎的选择之一，它拥有强大的社区支持以及良好的兼容性。数据分析师不仅需要扎实的专业知识，还需要具备解决实际问题的能力一样，搭建这样一个高效的深度学习环境同样离不开细致入微的操作和不断积累的经验。数据分析师不仅需要扎实的专业知识，还需要具备解决实际问题的能力一样，搭建这样一个高效的深度学习环境同样离不开细致入微的操作和不断积累的经验。

1 条评论您还未登录，请先登录后发表或查看评论

WSL2配置tensorflow GPU环境

m0_74274799的博客

11-10

5108

自tensorflow2.10版本后已不再支持windows本机环境了，而 Windows 10 19044 或更高版本上的 WSL2 支持具有 GPU 访问权限的 TensorFlow。这对应于 Windows 10 版本 21H2，即 2021 年 11 月的更新。所以你要是想用新一点的版本又想用GPU训练的话那就只能在WSL2里面装了。

TensorFlow2.16.1-gpu (windows10 wsl2 ubuntu)

u013059817的博客

05-08

4497

基于WSL2搭建Tensorflow GPU深度学习环境以及JupyterLab

skysafari的博客

06-27

3585

由于在Windows上tensorflow在2.10之后的版本不再支持GPU运算，只能使用Linux，所以需要基于WSL2搭建环境（

TensorFlow GPU不可用，WSL2安装

qq_40016005的博客

04-17

4959

这个帖子写给23年刚买电脑、系统是win11，tensorflow版本是2.10以上的兄弟们。不符合的可以去看其他答案了。这是以我三天来的安装经历来写的，希望能给后来的兄弟们减少时间的浪费。win11，安装的tensorflow的版本都是2.12的，但是从2.10开始tensorflow就不支持gpu了，这点在英文版的安装页面里有而中文版是没有这个提示的，估计也是很多人试了很多遍，检查了很多次环境变量都解决不了为什么就是不能调用gpu的原因。

WSL2+tensorflow-gpu 2.3.0 C++ 源码编译（Linux）

weixin_44708254的博客

12-01

329

3.若需要切换gcc、g++的版本，输入以下命令后选择版本，便可以实现不同版本gcc之间的切换。2.将低版本的gcc,g++加入到gcc列表中，分别设置优先级(例如将旧的设置为10，新的设置为20)1.安装低版本的gcc,g++，需要用到的时候按照命令进行。，但同时还想保留较高版本的。故需下载一个低版本的。

【WSL2笔记2】搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX

老富的博客

04-06

4565

错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。

WSL2 中构建/安装 TensorFlow

03-24

一旦 WSL2 被正确设置，下一步就是准备用于 TensorFlow 编译和使用的开发环境。 - **安装必要的依赖项** 在 Ubuntu 或其他基于 Debian 的发行版中，通过以下命令安装基础工具包： ```bash sudo apt update && ...

windows 11 搭建 TensorFlow GPU 开发环境【RTX 3060】：3 -- 基于WSL2 本地方式的jupyter notebook使用

shiter编写程序的艺术

02-04

1951

文章大纲基本环境构建CUDA 本地环境构建conda jupyter notebook tensorflow-gpu 环境构建参考文献接上文, 我们发现WSL2 中其实也是可以使用CUDA 的。只不过使用docker 的方式。在加载资源的过程中有点卡。我们在使用windows 炼丹的过程中，经常会遭遇到，Linux系统下生成的ckpt，或者模型文件加载出来编码错误。那么临时救急的办法就是使用WSL2 进行加载。 windows 11 搭建 TensorFlow2.6 GPU 开发环境【RTX 30

Windows下安装tensorflow并配置GPU支持

qq_17275369的博客

06-28

4916

Windows系统为TensorFlow2配置GPU支持防踩坑指南

Windows下编译带CUDA 10.2的TensorFlow 2.2（Python3.8.2，附编译结果下载）

惠很好的

05-19

4655

官方教程说得基本差不多了，然而在此基础上编译还是会出问题，因此做一些补充。环境准备 1. Python & Pip 首先是Python需要安装一些包，除了官方说的six、numpy、wheel、keras_applications和keras_preprocessing，还需要setuptools（虽然这是个基础包，但是我习惯用虚拟环境了，忘了装……）。因此安装命令如下： pip install six numpy wheel setuptools pip install keras_a

小白入手Tensorflow-gpu==2.10.0安装教程（最新教程24/3/15.N卡驱动.windows.）

CAKE_CAT的博客

08-09

9801

23/8/8最新总结网上安装tensorflow-gpu版本，解释各种坑

通过WSL2来实现Windows10/11的深度学习模型GPU加速，TensorFlow项，Jupyter及其插件安装，CQF心得，金融量化

热门推荐

pepCodeTrader的博客

01-30

1万+

WSL2实现GPU加速，安装WSL2 Miniconda3 CUDA cuDNN TensorFlow Jupyter TA-Lib等金融量化相关库。

怎么在Windows WSL上利用GPU运行tensorflow 2.12

Harry的博客

07-18

4479

开发人员可以在 Windows 计算机上同时访问 Windows 和 Linux 的强大功能。Windows Subsystem for Linux (WSL) 允许开发人员安装 Linux 发行版（例如 Ubuntu、OpenSUSE、Kali、Debian、Arch Linux 等）并直接在 Windows 上使用 Linux 应用程序、实用程序和 Bash 命令行工具，无需修改，无需任何修改。传统虚拟机或双引导设置的开销。

在 WSL2 中使用 NVIDIA Docker 进行全栈开发和深度学习 TensorFlow pytorch GPU 加速

JamesCurtis的博客

08-27

3873

本文介绍了如何在 Windows Subsystem for Linux 2 (WSL2) 环境中使用 NVIDIA Docker 进行全栈开发和深度学习。WSL2 提供了一个强大的 Linux 环境，而 NVIDIA Docker 则允许在该环境中利用 NVIDIA GPU 进行加速的深度学习任务。文章首先介绍了安装和配置 WSL2 及其与 Windows 系统的集成，包括透明的文件系统访问和网络设置。随后，阐述了如何在 WSL2 中安装和配置 NVIDIA Docker，使得容器可以直接访问主机的 GP

WSL2+miniconda(linux)+tensorflow+pycharm(windows)配置流程

weixin_47967519的博客

09-10

1122

本方法不同于网上的其他攻略，无需从root配置wsl的cuda和compiler等等（本人尝试了大量版本都以失败告终），而是直接通过conda实现一站式配置，目前只尝试了所有packages的最新版本，欢迎评论分享其他可行的cudatoolkit+cudnn+tensorflow的版本组合。

WSL安装TensorFlow（with CUDA12.4）

qq_74025626的博客

05-20

7240

并回车可自动修改用户配置文件，将Anaconda3自动添加到环境变量。可更改安装位置，直接回车下一步表示使用默认位置（当前用户的主目录）cuDNN的安装即把必要的文件移动到CUDA的对应目录下即可。查看conda版本信息，正常显示conda版本信息则安装成功。当看到此提示即表示Anaconda3已经安装完成，输入。即可查看CUDA 版本，正常显示版本信息则安装成功。如果TensorFlow安装成功，则继续执行。如果没有在此输入yes，则需要修改配置文件。如果可以正常显示版本信息则安装成功。