【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

一、安装Ubuntu

拿到该文件Ubuntu-22.04.tar


通过wsl导入该虚拟机镜像,然后查看wsl虚拟机列表。

wsl --import Ubuntu-22.04-tensorflow D:\wsl-data\Ubuntu-22.04-tensorflow D:\wsl-data\temp\Ubuntu-22.04.tar

wsl -l

进入虚拟机

wsl -d Ubuntu-22.04-tensorflow

二、Ubuntu安装anaconda

1. 复制下载链接

点此链接进入官网,右键复制链接,这是我复制到此链接(https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

Download Now | Anaconda

2.通过wget下载anaconda

命令格式:wget [上面复制的xx.sh链接]

wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

下载完成

3.安装anaconda

执行安装命令,按回车健Enter确认安装

sh Anaconda3-2024.10-1-Linux-x86_64.sh

此时,按Page Down翻页快速阅读协议条款

输入yes同意协议条款

继续再按回车健Enter确认安装到/root/anaconda3,如果你想安装到其它目录可以直接输入(不过一般情况下不需要去改)

确认启动时更新和初始化

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

再次验证conda -V,会输出版本号

至此,anaconda安装成功。

三、安装显卡驱动

注意不需要再再wsl-ubuntu上安装显卡驱动,只需要你的windows上安装好就行,直接运行nvidia-smi即可验证

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。

四、【失败】第一次尝试:创建Conda+TensorFlow+GPU环境

1. 创建新的conda环境

conda环境名称为t1,python版本为3.10

conda create -n t1 python=3.10

2. 进入刚创建conda环境:t1

conda activate t1

3. 安装cudatoolkit和cudnn

安装cudatoolkit的11.2版本和cudnn的8.1版本

conda install cudatoolkit=11.2 cudnn=8.1

设置conda清华源

再来,可以下载了

4.安装tensorflow

 安装tensorflow的2.10.0版本(因为pip源是单独控制的,所以这里临时指定)

pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 安装tensorflow-gpu的2.10.0版本

pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

6 降低numpy的版本到1.22.4

pip install numpy==1.22.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

7. 使用GPU训练

1.克隆cnn-hello
git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/

2.运行cnn-hello-train.py
python cnn-hello-train.py

发现未调用GPU!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。(原因也可以看看下面这个官方说明)

退出conda t1环境

conda deactivate

五、【失败】第二次尝试:创建Conda+TensorFlow+GPU环境(python 12)

 1. 创建新的conda环境

conda环境名称为t2,这次我们使用python版本为3.12

conda create -n t2 python=3.12

2. 进入刚创建conda环境:t2

conda activate t2

3. 安装cudatoolkit和cudnn

conda install cudatoolkit=12.5
conda install cudnn=9.3

4.安装tensorflow

pip install tensorflow==2.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 尝试使用GPU训练

六、【成功】第三次尝试:创建Conda+TensorFlow+GPU环境(python 12)

参阅了官网的教程,改进安装方案。

1.创建新的conda环境

conda create -n t4 python=3.12

2.安装tensorflow[and-cuda]

注意:此处的命令不仅仅是tensorflow,而多了一个[and-cuda],意味着它会帮我们把cudatoolkit和cudnn自动装好。

pip install tensorflow[and-cuda]

 3.验证GPU

执行该命令,可以看到成功加载到GPU。

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

 七. 使用GPU训练速度体验

1.克隆cnn-hello

git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/

2.运行cnn-hello-train.py

python cnn-hello-train.py

 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!

至此,已经完成在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境。感谢阅读!真材实料的实践分享,别忘记给个点赞哦👍。

Windows 11 WSL2Windows Subsystem for Linux 2)允许你在Windows系统内直接运行Linux发行版,如Ubuntu,提供了一个轻量级的虚拟环境。以下是安装Ubuntu 22.04(Focal Fossa)的基本步骤: 1. **开启WSL2支持**:首先,确保你的Windows 11已经开启了WSL2。打开设置 > 更新和安全 > Windows更新,然后选择“启用Windows Subsystem for Linux 2 (WSL 2)”。 2. **下载Ubuntu ISO镜像**:访问Ubuntu官网(https://www.ubuntu.com/download)下载最新版本的Ubuntu Server ISO 文件。 3. **创建虚拟机**:打开终端(按Win + R键输入`wtl.exe`),选择“创建”并配置新虚拟机。填写名称、大小以及选择Ubuntu作为发行版。 4. **安装ISO文件**:在虚拟机设置里,添加刚才下载的ISO镜像作为启动设备。重启虚拟机,从CD/DVD开始安装。 5. **引导安装**:按照屏幕提示进行安装过程,通常需要选择语言、键盘布局等,并创建一个新的根用户账户。 6. **配置WSL2**:安装过程中可能会询问是否要在Windows上使用WSL2增强功能,选择“是”。安装完成后,首次启动时系统会自动将Ubuntu作为WSL2应用。 7. **登录Ubuntu**:首次启动后,你将以命令行界面登录到Ubuntu。记得记下root密码,因为后续管理可能需要用到。 8. **升级及配置网络**:运行`sudo apt update && sudo apt upgrade`来升级系统,然后配置网络连接(例如通过`sudo nano /etc/wpa_supplicant/wpa_supplicant.conf`)。
评论 3
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