使用镜像在WSL上搭建基于GPU的Pytorch开发环境

使用镜像在WSL上搭建基于GPU的Pytorch开发环境

什么是WSL

WSL(Windows Subsystem for Linux)即适用于 Linux 的 Windows 子系统，可让开发人员按原样运行 GNU/Linux 环境 - 包括大多数命令行工具、实用工具和应用程序 - 且不会产生传统虚拟机或双启动设置开销。,具体的介绍见官方文档

在Windows安装WSL2

• 按照 WSL安装教程在 Windows 上安装 WSL(Windows Subsystem for Linux)并确保 WSL 的版本为 2。
• 至于GNU/Linux的发行版，推荐使用Ubuntu。

在WSL上安装Anaconda

只需按照 GNU/Linux 上 anaconda 的安装，在 WSL 上安装 anaconda即可。

Pytorch安装教程

创建并且激活环境

• 创建conda环境

conda create -n demo python=3.8

• 激活环境

conda activate demo

官网Pytorch安装教程

搭建基于GPU的pytorch环境，可以直接使用Pytorch官网提供的命令进行安装;

按照操作系统是Linux，选中对应的配置会自动生成对应的命令。

改进与加速

虽然使用上述官网提供的命令，也可以完成基于GPU的Pytorch环境，但是因为官网与服务器的原因，常常会导致安装CUDA和cudatoolkit安装失败。
本博客以基于CUDA 11.3在anaconda环境下安装基于GPU，版本为1.10.1的Pytorch.
可以在官网看到。对应的安装命令为

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

此处对应命令做一个拆解，分步安装：

• 安装cudatoolkit
• 安装其余套件包

安装cudatoolkit

conda install cudatoolkit=11.3  -c http://mirrors.aliyun.com/anaconda/pkgs/main/linux-64/

安装其余套件包

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1  -c pytorch -c conda-forge

GPU调用测试

使用以下代码在命令行环境或者Jupyter notebook环境测试Pytorch是否可调用GPU，如果在脚本文件内测试请自行加入print()语句。

• 导入包

import torch

• 查看版本号

torch.__version__

• 查看GPU是否可用

torch.cuda.is_available()