WSL配置深度学习环境

1.安装WSL

参考链接

2.在Windows物理机内安装WSL Cuda驱动

这里主要检查自己的windows上面有没有成功安装nividia的驱动，需要系统在Win10 21H2版本及以上
在windows terminal中输入以下命令来检查是否有驱动

nvidia-smi

Tue Jan  3 15:56:47 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 516.54       Driver Version: 516.54       CUDA Version: 11.7     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ... WDDM  | 00000000:01:00.0 Off |                  N/A |
| N/A   46C    P8     6W /  N/A |      9MiB /  4096MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

3.配置conda环境

参考链接

4.配置WSL2 Ubuntu内部的 cuda-toolkit, cudnn

下载链接
这里会提供最新版本的cuda-toolkit，若需要之前版本的(最好和自己的CUDA Version相对应)，就需要去查找别的版本对应的链接。

#依次输入以下命令，切记这里是linux命令，用windows terminal运行ubuntu就很方便
#这里是11.7版本对应的链接 
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/11.7.0/local_installers/cuda-repo-wsl-ubuntu-11-7-local_11.7.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-7-local_11.7.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

安装完毕后配置环境变量

sudo vim ~/.bashrc

把下面三行复制到文件底部

#把这三行复制到文件底部
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新bashrc

#更新一下bashrc文件
source ~/.bashrc
 
#更新一下可能需要的依赖
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
 
#用以下代码检查cuda是否检查成功，注意此处的cuda版本是你在toolkit下载那里决定的，这个版本可能和nvidia-smi显示的版本号不一样，可高可低，这是因为nvidia给cuda开了两个api，这两个api只要差不是太远，基本都可以保证正常运行cuda
nvcc -V

至此，已经可以安装PyTorch库进行使用了，貌似并不需要再安装cuDNN，这里也把cuDNN官方连接放在这里，以备使用。

5.参考资料

Windows 11/10 WSL2 Ubuntu 20.04 下配置Cuda及Pytorch