深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境

---

原创声明

本文为 HinGwenWoong 原创，如果这篇文章对您有帮助，欢迎转载，转载请阅读文末的【授权须知】，感谢您对 HinGwenWoong 文章的认可！

---

前言

我们在开发深度学习项目的时候，经常出现对 Linux 友好但是对 Windows 不是完全支持的情况，但是装双系统之后，文件不能共享，这就比较烦恼；如果使用虚拟机，读取不了显卡也比较头痛。

值得兴奋的是，Win10 现在出了 WSL，就是 Windows 下的子系统，将 Linux 生态也并进来了，使用 WSL 可以快速搭建一个 Linux 子系统并且完美运行 cuda，一个字：爽！

下面就一起来搭建吧！

我是 HinGwenWoong，一个有着清晰目标不停奋斗的程序猿，热爱技术，喜欢分享，码字不易，如果帮到您，请帮我在屏幕下方点赞 ，您的点赞可以让技术传播得更远更广，谢谢！

---

一、WSL 2 安装 Ubuntu

1. 启用适用于 Linux 的 Windows 子系统，以管理员身份打开 PowerShell，然后输入以下命令：

   dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
   

2. 启用虚拟机功能
   安装 WSL 2 之前，必须启用【虚拟机平台】的功能，因为计算机需要虚拟化功能才能使用此功能。
   以管理员身份打开 PowerShell 并运行：

   dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
   

   执行之后，重新启动计算机，以完成 WSL 的安装并更新到 WSL 2。

3. 将 WSL 2 设置为默认版本:
   打开 PowerShell，然后运行以下命令，将 WSL 2 设置为默认版本：

   wsl --set-default-version 2
   

4. 使用 Windows 商店安装 Ubuntu：商店传送门
   在上方搜索：Ubuntu，会出现多个版本，选择你需要的版本，这里选择 18.04
   

5. 安装完成后，可以在开始菜单栏看到 Ubuntu 了
   

6. 第一次需要手动启动，初始化用户名、密码那些

7. 使用命令检查下内核版本号，推荐 5.10.16.3 以及之后的版本

   uname -r
   

   

8. 如果版本太低，使用命令进行升级

   wsl.exe --update
   

9. 更换 Ubuntu 的镜像源为阿里，打开 /etc/apt/sources.list，在开头加上：

   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
   

10. 终端输入 sudo apt-get update 更新镜像源

二、安装终端软件（可选，但推荐）

强烈建议安装 Windows Terminal ，超级好用，Windows 商店传送门

使用这个界面就舒服很多了，而且可以切换不同的子系统

三、安装 Nvidia-WSL 驱动

1. 去到官方下载地址下载安装包：
   

2. 选择对应的显卡系列下载安装包
   

3. 执行下载好的 .exe 文件就可以了

4. 重启电脑

四、Ubuntu 安装 CUDA-WSL 专属驱动

1. 去到官方下载地址获取安装命令：
   

2. 在 Ubuntu 子系统中，跟着给出的命令，一套带走：

   wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
   sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
   wget https://developer.download.nvidia.com/compute/cuda/11.5.1/local_installers/cuda-repo-wsl-ubuntu-11-5-local_11.5.1-1_amd64.deb
   sudo dpkg -i cuda-repo-wsl-ubuntu-11-5-local_11.5.1-1_amd64.deb
   sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-5-local/7fa2af80.pub
   sudo apt-get update
   sudo apt-get -y install cuda
   

   

3. 将 cuda 加入环境变量

   vim ~/.bashrc
   

   加入以下内容：（前提是 CUDA 安装在默认位置）

   # cuda
   export CUDA_HOME=/usr/local/cuda
   export PATH=${CUDA_HOME}/bin:$PATH
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${CUDA_HOME}/lib64
   

   修改之后，保存退出，更新下就行

   source ~/.bashrc
   

4. 使用 nvcc 命令可以看到 CUDA 信息

   nvcc -V
   

   

5. 使用官方的例子进行测试

   cd ${CUDA_HOME}/samples/4_Finance/BlackScholes
   ./BlackScholes
   

可能出现的错误：

• 安装完之后，使用官方例子出现错误
  CUDA error at ../../common/inc/helper_cuda.h:779 code=35(cudaErrorInsufficientDriver) "cudaGetDeviceCount(&device_count)"

• 升级系统！！！！ 我升级到 21H2 就可以了

• 升级完之后去执行
  

• 成功！

五、安装 miniconda 并测试

1. 使用清华镜像站进行下载，命令：

   wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.10.3-Linux-x86_64.sh
   

2. 安装开始填写 yes
   

3. 安装路径，建议是默认
   

4. 安装的最后会询问是否初始化，填写 yes
   

5. 完成！
   

6. 进行 conda 初始化

   conda init
   

7. 检查 conda 的环境变量：

   vim ~/.bashrc
   

   看到以下信息即可视为成功：

   # >>> conda initialize >>>
   # !! Contents within this block are managed by 'conda init' !!
   __conda_setup="$(<conda 安装路径>/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
   if [ $? -eq 0 ]; then
       eval "$__conda_setup"
   else
       if [ -f "/etc/profile.d/conda.sh" ]; then
           . "/etc/profile.d/conda.sh"
       else
           export PATH="/bin:$PATH"
       fi
   fi
   unset __conda_setup
   # <<< conda initialize <<<
   

8. 切换 Conda 镜像源：
   可以参考我的一篇文章：Conda 下载慢? 一招帮你解决!

9. 使用 pytorch 测试能否正常调用 CUDA，如果显示为 TRUE 则为成功！
   

六、使用 Pycharm 连接并测试

1. 在 Python 解释器加入 WSL
   
2. 在下方 Python 控制台 测试，显示 True 即为成功！
   

至此，已全部完成，下面是配置 cudnn 和 torch2trt 的环境，如果不需要则跳过

附录

附录一、其他版本的 CUDA 和 cudnn 安装及其环境变量

其他版本的 CUDA 和 cudnn 的安装

• 这里使用 conda 安装

  conda install cudatoolkit=XX.XX.XX
  conda install cudnn
  

cudnn 环境变量配置

• 在导入 TensorRT 的时候出现一直找不到：ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory
  
• 使用命令 sudo find / -name libcudnn.so.8 寻找 cudnn 的安装路径：
  
• 在 ~/.bashrc 中加入：

  export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/hingwenwoong/miniconda3/pkgs/cudnn-8.2.1-cuda11.3_0/lib
  

  
• 更新下 source ~/.bashrc，再次测试：
  
• 成功！

附录二、安装 torch2trt

• 安装显示缺少头文件
  

• 编辑 setup.py，把 setup.py 里面的 trt_inc_dir 和 trt_lib_dir 分别改为你的 trt 的 include 和 lib 目录，就可以 `sudo 安装了：
  

总结

以上就是使用 PyCharm+WSL2+CUDA搭建Windows开发环境 的方法了，感谢您看到这里，希望能够帮助你快速搭建 windows 开发环境

参考文章：

• [1] Windows WSL 官方教程
• [2] linux下anoconda 安装tensorflow（解决import出错问题：libcudnn.so.6:cannot open sharedobject file: No such file…

---

更多阅读推荐

• Pycharm | 一文掌握 Pycharm 中的 Git 操作 ( 超详细)
• 深度学习实战 | 智慧工地安全帽和危险区域检测系统（代码已开源！）
• 深度学习OCR | 文字识别网络 CRNN 论文翻译
• 深度学习 | TensorFlow 2.x 和 1.x 限制显存（超详细）

---

授权须知

1. 原创文章在推送一天后才可进行转载
2. 转载文章，禁止声明原创
3. 不允许直接二次转载，转载请根据原文链接联系作者
4. 若无需改版，在文首清楚标注作者及来源/原文链接，并删除【原创声明】，即可直接转载。
   但对于未注明转载来源/原文链接的文章，我将保留追述的权利。

   作者：HinGwenWoong
   一个有着清晰目标不停奋斗的程序猿，热爱技术，喜欢分享，共同进步！
   CSDN: HinGwenWoong
   原文链接：深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境

5. 若需要修改文章的排版，请根据原文链接联系作者
6. 再次感谢您的认可，转载请遵守如上转载须知！