WSL搭建CUDA环境

WSL搭建CUDA环境

打开虚拟机功能

打开控制面板—>程序与功能—>启用或关闭Windows功能,勾选以下功能

  • Hyper-V
  • 适用于Linux的Windows子系统
  • 虚拟机平台

重启

安装cuda-wsl驱动

驱动下载地址:https://developer.nvidia.com/cuda/wsl
根据你自己显卡型号选择对应驱动


下载并安装

安装WSL2

到应用商店安装WSL,我这里选择Ubuntu-18.04进行安装

WSL安装完成后查看WSL版本

wsl -l -v

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EgN5IvWt-1649593363145)(C:\Users\onel\AppData\Roaming\Typora\typora-user-images\image-20220410195736898.png)]
如果是WSL1,需要升级到WSL2

  1. 下载Linux 内核更新包并安装,下载地址

  2. 将Ubuntu18.04 设置为WSL2

    wsl --set-version Ubuntu-18.04 2
    
  3. 查看wsl版本,看是否变成版本2

    wsl -l -v
    

WSL2中安装CUDA

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub

sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list'

sudo apt-get update

sudo apt-get install -y cuda-toolkit-11-0

如果缺少依赖报错就安装下面依赖,安装前记得先按下面步骤换源,否则下载速度贼慢

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

WSL更换源,加速软件下载

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

sudo chmod 777 /etc/apt/sources.list

sudo vim /etc/apt/sources.list

在vim命令模式下按d,删除里面内容

按i切换到编辑模式 将下面内容粘贴进去

按esc按键回到命令模式 按:wq保存文件

阿里源:

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

更新一下包

sudo apt update

安装Miniconda

# 切换到家目录
cd ~
# 下载miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 修改运行权限
chmod 777 Miniconda3-latest-Linux-x86_64.sh
# 运行安装脚本
./Miniconda3-latest-Linux-x86_64.sh
conda init

搭建Pytorch环境验证

创建环境

conda create --name torch python=3.8

激活环境

conda activate torch

安装pytorch,Pytorch官网地址

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch


验证cuda环境

conda activate torch

python

import torch
torch.cuda.is_available()


恭喜你,环境搭建成功

彩蛋

WSL2可以直接使用图形界面打开软件,使用VScode打开当前目录

code .
### 配置和使用 CUDAWSL2 为了在 Windows Subsystem for Linux (WSL2) 上成功设置并使用 NVIDIA CUDA,以下是详细的指南: #### 1. 安装 WSL2 和 Ubuntu 确保已经安装了最新版本的 WSL2 并启用了虚拟机功能。可以通过 PowerShell 执行以下命令来检查当前的 WSL 版本以及升级到 WSL2[^1]: ```powershell wsl --list --verbose wsl --set-version <distro-name> 2 ``` 如果尚未启用 WSL 功能,则需要运行以下命令: ```powershell dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart ``` 重启计算机后即可完成。 #### 2. 更新 GPU 驱动程序 确认主机上的 NVIDIA 显卡驱动是最新的,并支持 WSL2 的 CUDA 加速。可以访问 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx?lang=en-us),下载适用于操作系统的最新驱动程序[^3]。 #### 3. 安装 NVIDIA CUDA 工具包 通过官方文档中的方法安装 CUDA 工具链。首先创建软链接指向最新的工具包路径以便于项目兼容性管理[^2]: ```bash sudo ln -fs /usr/local/cuda-<version> /usr/local/cuda ``` 接着编辑 `/etc/profile` 文件以更新环境变量 `PATH` 和 `LD_LIBRARY_PATH`: ```bash export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} source /etc/profile ``` #### 4. 测试 CUDA 是否正常工作 验证 CUDA 设置是否正确的一个简单方式是编译并执行示例代码。进入 `/usr/local/cuda/samples/1_Utilities/deviceQuery` 目录下构建测试样本: ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery make ./deviceQuery ``` 如果一切顺利,应该看到有关设备的信息输出表明 CUDA 成功识别硬件资源. #### 5. 使用 Conda 创建 Python 环境 推荐采用 Miniconda 或 Anaconda 来简化依赖项管理和隔离不同项目的库文件冲突情况。初始化一个新的 conda 虚拟环境用于深度学习框架比如 PyTorch 或 TensorFlow: ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh conda create -n torch_env python=3.9 conda activate torch_env pip install torch torchvision torchaudio cudatoolkit=<version> ``` 注意替换 `<version>` 参数匹配实际安装好的 cuda toolkit 版本号。 #### 总结 以上步骤涵盖了从基础准备到高级应用整个流程的关键环节,遵循这些指导能够帮助开发者快速搭建起基于 WSL2 的高性能计算平台。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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