动手学深度学习-准备工作-利用WSL2安装Ubuntu系统并搭建深度学习环境

目录

1.WSL2安装Ubuntu系统

1.1打开启用或关闭Windows功能

1.2下载ubuntu

1.3更新内核

2.深度学习环境搭建

 2.1安装miniconda

2.1.1创建虚拟环境

2.1.2激活环境

 2.2安装英伟达驱动

 2.3安装pytorch

 测试是否安装成功

 2.4安装cuda

配置环境变量

2.5安装cudnn

3.安装d2l软件包

1.WSL2安装Ubuntu系统

1.1打开启用或关闭Windows功能

将适用于Linux的Windows子系统与虚拟机平台打勾

1.2下载ubuntu

重启之后打开微软商店，搜索Ubuntu，下载需要的版本

 

下载完成后，若不能正常使用，运行窗口中出现？？？则需要更新内核

1.3更新内核

以管理员身份打开windows powershell

输入：

wsl --update

 接着打开Ubuntu会出现一个运行窗口，设置好用户名及密码之后即可正常使用。

若想访问ubuntu系统内文件，打开文件资源管理器，出现Ubuntu文件夹，打开即可访问。

2.深度学习环境搭建

 2.1安装miniconda

Miniconda — conda documentation

选择适合自己的版本安装，复制下载链接

在打开的ubuntu运行窗口中运行

wget https://repo.anaconda.com/miniconda/Miniconda3-py39_23.3.1-0-Linux-x86_64.sh

接着安装

sh Miniconda3-py39_23.3.1-0-Linux-x86_64.sh

接着一路按回车，输入yes，安装成功后显示：

 重启ubuntu

2.1.1创建虚拟环境

 conda create -n d2l python=3.9

 

2.1.2激活环境

 conda activate d2l

 

 2.2安装英伟达驱动

先查看自己电脑中是否已经安装英伟达驱动，如果windows已经安装过，ubuntu则不需要安装。

利用nvidia-smi命令查看是否已经安装，若未安装，将英伟达驱动安装在window中即可。

 笔者电脑已经安装，英伟达驱动安装教程自行百度一下吧。

 2.3安装pytorch

PyTorch

选择适合自己的版本

 将命令行复制粘贴

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

安装成功： 

 测试是否安装成功

进入python

python3

是否能成功导入

import torch

出现如下界面说明安装成功 

 2.4安装cuda

cuda以前版本的下载链接：

CUDA Toolkit Archive | NVIDIA Developer

之前安装的pytorch选择的为cuda11.7，则安装cuda11.7

选择wsl-ubuntu

 接着按照官方给的命令执行

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

配置环境变量

sudo nano ~/.bashrc

将以下内容复制到最后，改成自己的cuda版本

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 保存并退出，接着更新环境变量

source ~/.bashrc

执行以下命令，显示出cudda版本则说明安装成功

 nvcc -V

2.5安装cudnn

cuDNN Archive | NVIDIA Developer

下载至本地，然后复制到home文件夹下

解压文件

 sudo tar -xvf cudnn-linux-x86_64-8.9.1.23_cuda11-archive.tar.xz

 安装：

cd cudnn-linux-x86_64-8.9.1.23_cuda11-archive/

sudo cp -r lib/* /usr/local/cuda-11.7/lib64/
sudo cp -r include/* /usr/local/cuda-11.7/include/

检测是否安装成功

 cat /usr/local/cuda-11.7/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

3.安装d2l、jupyter

首先进行pip换源

cd ~                   # 进入家目录 
mkdir .pip             # 新建.pip隐藏文件夹   
cd .pip                # 进入.pip文件夹           
touch pip.conf         # 新建pip.conf文件
vim pip.conf           # 用vim编辑pip.conf文件

pip.conf文件内容为：

[global]
 
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
 
timeout = 6000
 
[install]
 
trusted-host=pypi.tuna.tsinghua.edu.cn
 
disable-pip-version-check = true

激活conda创建好的虚拟环境：

conda activate d2l

安装d2l、jupyter：

pip3 install d2l jupyter

下载代码：

wget https://zh-v2.d2l.ai/d2l-zh.zip
unzip d2l-zh.zip

运行：

jupyter notebook

会得到一个网址，在浏览器中打开

 

 安装完成！！！