深度学习GPU环境安装（Windows、WSL）

目录

1. 概述

2. windows环境安装

2.1 电脑配置

2.2 安装PyTorch

2.3 安装CUDA和cuDNN

2.4 环境变量配置

2.5 测试

3. WSL Linux环境安装（ubuntu）

3.1 安装 ubuntu

3.2 安装CUDA

3.3 安装PyTorch

---

1. 概述

深度学习的库基本都基于CUDA，需要购买Nvidia芯片的显卡。有了GPU显卡，可以在windows环境、Linux环境等均可以处理。

因为WSL的出现，可以有三种选择：

1）纯windows环境：可以通过conda建立python虚拟环境进行处理。

2）纯linux环境：与windwos环境类似。

3）WSL2：通过在windows上的WSL安装对应的linux系统进行处理，同样可以利用GPU硬件。

下文的windows系统安装时间为：2023年4月6日。

2. windows环境安装

2.1 电脑配置

台式机：操作系统win10（版本号 22H2），内存：32G，显卡：GeForce RTX3060，12G。

通过驱动精灵安装了驱动，然后通过Nvidia的工具查看系统信息如下：

 

显示驱动为CUDA 12.1。
 

2.2 安装PyTorch

本文前提已经通过 conda 安装好了python虚拟环境，我安装的版本为 Python 3.9.16。

首先需要检查Pytorch的支持版本，直接通过官网：

Start Locally | PyTorch （https://pytorch.org/get-started/locally/）

在windows上，设置条件，发现目前最多支持到 CUDA 11.8，综合考虑选择11.7，无法支持12.1。下面处理 cuda时，下载了11.7.1 版本。
 

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

以上直接在python虚拟环境中运行安装。

2.3 安装CUDA和cuDNN

CUDA官网下载：CUDA Toolkit 12.1 Downloads | NVID