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！！！