wsl安装深度学习基础环境

wsl安装深度学习基础环境

1.查看显卡cuda版本

打开NVIDIA显卡控制面板,查看系统信息
在这里插入图片描述

2.安装CUDA Toolkit

按照官网下载安装

打开官网:CUDA Toolkit Archive | NVIDIA Developer

选择要安装的版本12.6.0,要和自己电脑上驱动的cuda版本适配。
在这里插入图片描述

环境变量配置

sudo vim ~/.bashrc

将以下内容添加,如更换版本,注意更换目录名称

export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新环境变量

source ~/.bashrc

测试安装是否成功,显示版本即成功。

(base) jason@Jason-tx:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Fri_Jun_14_16:34:21_PDT_2024
Cuda compilation tools, release 12.6, V12.6.20
Build cuda_12.6.r12.6/compiler.34431801_0

3.安装cuDNN

在官网下载:

### 如何在WSL2上设置深度学习环境 #### 安装Windows Subsystem for Linux (WSL2) 为了确保能够顺利安装并运行Linux子系统,在开始之前确认已启用适用于Linux的Windows子系统以及虚拟机平台功能。对于Windows 10版本,需满足特定的要求[^1]。 #### 设置目标Linux发行版 选择一个合适的Linux发行版作为工作环境基础非常重要。通常推荐Ubuntu LTS版本因其稳定性和社区支持广泛而成为首选。可以通过Microsoft Store获取所需镜像文件,并完成初次启动后的初始化配置过程。 #### 更新系统包管理器索引 进入新安装好的Linux环境中执行如下命令来更新软件源列表: ```bash sudo apt update && sudo apt upgrade -y ``` 这一步骤有助于确保后续操作所依赖的各项组件均为最新状态。 #### 安装NVIDIA驱动程序和支持工具 针对希望利用主机端显卡资源加速计算任务的情况,需要额外安装CUDA Toolkit与cuDNN库。在此之前应先访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=20.04&target_type=deblocal),下载对应当前系统的.deb格式安装包并按照指引逐步完成部署流程[^2]。 #### 配置Miniconda环境 考虑到Python生态体系庞大复杂,建议采用Conda这类集成化解决方案简化管理和维护成本。具体做法是从[官方网址](https://docs.conda.io/en/latest/miniconda.html)取得适合个人需求的Miniconda安装脚本,通过终端执行以快速搭建起基础开发框架。 ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc ``` 创建一个新的虚拟环境用于隔离不同项目之间的潜在冲突风险: ```bash conda create --name dl_env python=3.9 conda activate dl_env ``` 最后根据实际应用场景选取相应的深度学习框架(如TensorFlow, PyTorch等),并通过pip或conda渠道引入至上述新建的空间内即可开启高效编程之旅。
评论 2
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

打赏作者

码农高小鹏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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