在WSL中配置GPU环境

首先需要明确一点，虽然我们通过安装WSL获得了linux开发环境，但是我们最终使用的GPU还是在windows当中的，所以还是需要在系统中安装对应的驱动。

第一步：在window上根据显卡型号和版本安装驱动

这里参考之前的步骤就行

第二步：安装WSL

参考官方文档即可

安装 WSL​https://link.zhihu.com/?target=https%3A//learn.microsoft.com/zh-cn/windows/wsl/install

第三步：在WSL中安装CUDA Toolkit

以下是针对Ubuntu18.04的url

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo sh -c 'echo "deb Index of /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

其他版本的可以在官网上找：CUDA Toolkit

CUDAToolkit版本和驱动版本的关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

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/12.0.0/local_installers/cuda-repo-wsl-ubuntu-12-0-local_12.0.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-0-local_12.0.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-0-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

检查是否安装成功：

nvcc -V
# 能看到对应版本就行

第四步：安装pytorch

选择对应版本的pytorch即可：

PyTorch​pytorch.org/get-started/locally/​pytorch.org/get-started/locally/

在这里有一个大坑，安装pytorch的时候不能选择conda的安装链接，会自动给你安装默认版本的，然后导致版本不对应，所以一定要采用pip的方式来安装，一定要采用pip的方式来安装，一定要采用pip的方式来安装

在WSL中配置GPU环境 - 知乎