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
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
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。

目录

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
Lay_XZ
关注
WSL2安装tensorflow经验总结
qq_14951447的博客
10-08 1318
wsl安装anaconda
【AI训练环境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境
fengye002fly的博客
04-20 2778
注意，此时运行conda -V提示没有conda命令，你只需要关闭cmd窗口再进入到unbuntu即可，如果你使用的是windows11，这里也会有快捷进入unbuntu的入口。由于以上是再windows跑通的，再ubuntu下没必要按这个版本，下面尝试重新创建一个conda环境，然后用比较新的版本。由于第一次尝试和第二次尝试都失败了，若要快速搭建吗，可直接跳转至第六章节，你只需要注意添加conda清华源就行了。经验证，训练用时约13s，和我在windows上直接用conda安装的环境下，用时非常接近！
基于WSL2+Docker的TensorFlow2配置流程
嘤熊嚎杰的博客
02-02 1171
本流程在Windows 11下进行，也适用于最新版本的Windows 10。基于Windows操作系统，对于日常使用和同时使用多个其他的开发环境更加友好，上手难度低；而基于Linux的深度学习，生态成熟且案例也更多，因此WSL2是一个非常不错的选择。同时本文兼顾了基于Cuda的深度学习开发。
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
3，windows想要安装最新版的TensorFlow2.16.1 gpu支持 需要wsl2。安装好后在PowerShell和在wsl中使用命令 nvidia-smi 输出信息一样。按照上图的步骤操作就能成功安装tf2.16.1-gpu。2，原生widows上gpu支持到2.10版本。tf2.16.1-gpu安装成功。pip安装换国内源，下面是阿里云的示例。4，进入wsl中安装tf2.16.1。还提到了的其他方法，可自行尝试。安装自己GPU适配的最新版。windows本机安装。，把包名替换成8.9的。
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。
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 && ...
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。
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
tensorflow+WSL2+Conda+pycharm
qq_40016005的博客
04-18 435
只变shell path就可以了，选择我们wsl.exe的路径，这样在pycharm的终端打开的就是我们创建的ubuntu环境了，然后激活conda环境。选择conda环境，从use existing 环境里找到自己创建的conda环境，点create，就能用自己创建好的环境了。接下来为了方便使用命令行，我们进入file->setting->tools->terminal。好了，到这就基本完结了，祝大家bug少少，工资多多，多发顶刊顶会！因为我用的是pycharm，所以就要把配置好的环境用上。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值