通过WSL2搭建Pytorch1.10+CUDA11.4+NVIDIA Driver深度学习框架全过程

WSL，即Windows Subsystem for Linux（Windows下的Linux子系统），可以免去双系统安装的复杂性，使Linux系统依附于Windows运行。最新的WSL2支持了GPU加速运算，对搞深度学习的是件不错的事。

命令行启动Ubuntu，激活虚拟环境，测试CUDA是否在pytorch中可运行

一、wsl的安装

1.首先去windows官网查看安装方法

https://docs.microsoft.com/zh-cn/windows/wsl/install

管理员模式进入命令行，运行下面命令：

wsl --install -d   # 将更换成想要的版本，例如：Ubuntu-18.04

命令很简单，当然前提是保证windows内核版本符合要求，我的是19044，要求是>=19041。目前有说法是需要Inside Preview版本，即加入windows预览体验计划，并更新系统，但是当前(2022.01.14)我只有Release Preview通道开放，CUDA同样可以正常在wsl中使用，因此见仁见智，可以更新20xxx版本的可以更新一下，不能更新的19044也可以。
注：若想安装多个版本的系统，随后可以去windows store，搜索Ubuntu即可找到其他WSL所支持的版本，点击安装即可。
安装完毕并重启系统，设置好Ubuntu用户后，使用命令：

wsl -l --all -v

查看已安装的系统、状态、使用的wsl版本。

2. 移动wsl目录（可选）

由于wsl默认安装目录为C盘，因此C盘空间较少的话，我们需要将它移动到其他磁盘。
导出系统：

wsl --export Ubuntu-18.04 D:\wsl-ubuntu-18.04.tar  # 即 wsl --export <系统名> <导出目录>

删除系统：

wsl --unregister Ubuntu-18.04

再次导入系统：

wsl --import Ubuntu-18.04 D:\wsl-ubuntu D:\wsl-ubuntu-18.04.tar  --version 2  # 即 wsl --import <系统名>  <安装位置>   WSL版本号

修改默认登录用户（之前安装完毕后自己设置的）：

ubuntu1804.exe config --default-user 

3. 管理wsl系统

可参考第一条的网址，比如设置默认系统等，若第一次安装没有指定Ubuntu版本的话，他会默认安装，并设定该安装的版本为默认启动，可以根据需要进行卸载、设置默认等操作。
以及进入WSL后，进行更新和升级：

sudo apt update && sudo apt upgrade

4. WSL与Windows的文件传输

在Windows资源管理器地址输入：

\\wsl$

windows操作WSL目录

可以查看以及操作WSL内的文件。

而在WSL中，进入目录

mnt/

即可查看和操作Windows中的系统目录

二、NVIDIA Driver

1. 驱动下载

首先去

https://developer.nvidia.com/cuda/wsl/download

下载支持WSL的NVIDIA最新驱动，首先查看自己的显卡是否支持，我的是GTX960m，因此下载Geforce Driver，右边的是Quadro Driver，根据自己需求下载。如果是Tesla显卡，因为官方文档说还不支持，因此就无法继续安装了。

2. 安装驱动

注意，此步骤是在Windows里进行的，不需要在WSL中安装驱动！
在这里我为了以防万一是首先删除了原先装的驱动460，随后再安装该510驱动。（按照正常情况来说可以直接覆盖安装。不过毕竟这些步骤还挺繁琐的，错一步就得重新搞半天，不如一开始就稍微麻烦下）
安装步骤与其他驱动一样，运行、安装即可完成，之后可以进入WSL或者CMD输入：

nvidia-smi

查看是否有显示，并且Driver版本号为所安装的最新版本，我的是510。

三、CUDA与Pytorch安装

注：WSL只有CUDA 11.x版本支持
首先贴出官方文档，英文的，很全，希望自己琢磨的可以看这个自行进行安装，比如如何使用自己早就在Windows安装好的CUDA 11.x等等，我在这里只会提到我用到的CUDA Toolkit的新安装方法。

https://docs.nvidia.com/cuda/wsl-user-guide/index.html

1. 下载并安装CUDA Toolkit

使用WSL命令进入Ubuntu-18.04系统，输入下面的命令，安装用于Ubuntu18.04版本的CUDA Toolkit 11.4：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-ubuntu1804-11-4-local_11.4.0-470.42.01-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-11-4-local_11.4.0-470.42.01-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1804-11-4-local/7fa2af80.pub
sudo apt-get update

该命令可以只安装CUDA Toolkit，而不会附带安装NVIDIA Driver，等待完成即可。

2. 下载并安装Anaconda3

可以去官网下包，通过 \\wsl$ 将包可以直接下载到Ubuntu目录，后面的正常按照Linux中Anaconda的安装步骤进行即可。

3. 下载并安装Pytorch

我们可以看到Pytorch官网最新的显示只支持到CUDA 11.3，而我们安装的是CUDA 11.4，其实不影响，按照CUDA 11.3的方式安装即可：

pip3 install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

推荐使用pip方式安装，conda会自动安装CUDA Toolkit 11.3。
等待完成，输入命令运行并查看是否成功：

所有环境配置成功！

以上是所有的配置步骤，作为记录，以备日后使用，未来的Win11不需要加入体验计划，即可使用这项功能，因此会是个趋势。

四、开发环境的配置

推荐使用VSCode，轻量、速度快，内部包含海量的插件，使代码敲起来更舒服。
进入VSCode后，选择这个图标：

依次搜索并安装：

Chinese # VSCode汉化包
Python # Python预言支持
Remote-SSH # 远程代码编辑神器

安装完Remote-SSH后，左下角会出现一个绿色的标志：

点一下，选择：

现在就可以打开并查看WSL中的文件了，打开的文件夹会被自动识别为VSCode当前的工作区：

随后再点击小插件搜索界面，会发现已安装插件下面多出来了一个按钮：

点一下，就可以在服务器端（WSL）进行安装，就可以使用VSCode的调试功能调试WSL的代码了。

点击这里，切换虚拟环境：

F5调试程序，大功告成，正常运行：