【wsl2-Ubuntu22.04 LTS安装conda，cuda，cudnn从0实现到验证安装成功(保姆级)】

图像处理博士在努力

已于 2025-01-07 15:53:46 修改

阅读量2.1k

点赞数 32

文章标签： ubuntu 计算机视觉

于 2025-01-06 21:54:51 首次发布

本文链接：https://blog.csdn.net/BetsySoulmate/article/details/144967736

版权

WSL2-Ubuntu22.04 LTS安装conda，cuda，cudnn从0实现到验证安装成功，步骤详细

1.前言
2.首先检验自己的目前开发环境
3.下载并配置anaconda
4.下载并配置cuda
- 4.1 下载并安装cuda
- 4.2 配置cuda环境变量
5.下载并配置cudnn
- 5.1 下载cudnn
- 5.2 解压并安装cudnn

1.前言

1.之前跑深度学习都是在windows下，但是现在从github上下载的代码都是.sh文件，需要linux环境。加之我自己本身只有一台windows主机，所以需要在windows下安装wsl2(网上都说这个才可以支持显卡调用)，所以就放弃了安装虚拟机等方法，在wsl2上安装了Ubuntu22.04版本，下面的步骤就是基于上述情况进行展开。
2.后续的目标是通过本地windows的PyChram专业版通过Remote Development远程开发连接到我自己的wsl2-Ubtuntu中，最终实现在windows下对linux代码的模型训练和验证。

2.首先检验自己的目前开发环境

在Ubuntu中进入自己的目录yjj中，运行下述代码，可以发现当前Ubuntu中没有任何的cuda工具包。

nvcc -V

在这里插入图片描述

3.下载并配置anaconda

3.1 下载anaconda

anaconda官网下载地址
可以发现Linux下有三个可以选择的安装包。
在这里插入图片描述
首先输入命令，查看自己符合的安装包。

uname -m

我的电脑是x86_64，所以下载第一个就可以。
在这里插入图片描述
接下来将下载好的安装包，我是放在windows下的E:\application\Anaconda3-2024.10-1-Linux-x86_64.sh中，此时需要在Ubuntu中进入mnt目录，因为Ubuntu不能识别windows路径，wsl2会将Windows的磁盘挂载在mnt路径下，如下图所示，进入mnt目录可以看到c盘和e盘，就是对应windows下的c盘和e盘。
在这里插入图片描述

3.2 安装anaconda

之后通过运行下面的代码，安装anaconda。一路点击空格+yes。跳转下方界面，会提示安装路径默认在/home/yjj/anaconda3下，选择默认路径就好。

bash e/application/Anaconda3-2024.10-1-Linux-x86_64.sh

然后进入yjj目录，发现anaconda3已经安装到所在目录中。
在这里插入图片描述

3.3配置anaconda环境变量

接下来需要配置环境变量，首先输入

nano ~/.bashrc

进入环境变量文件，在最后一行导入anaconda的环境变量，如下图所示，之后ctrl+X，点击y，然后回车退出文件。(养成好习惯，最后输入source ~./bashrc更新配置环境文件)

export PATH="/home/yjj/anaconda3/bin:$PATH"

在这里插入图片描述
最后验证conda --version，显示版本，至此anaconda3在Ubuntu上安装完毕。

4.下载并配置cuda

4.1 下载并安装cuda

首先确定好自己的第一个项目所需要的虚拟环境的cuda版本，以我为例，因为我需要实现segment anything，github官方给出的建议是The code requires python>=3.8, as well as pytorch>=1.7 and torchvision>=0.8. Please follow the instructions here to install both PyTorch and TorchVision dependencies. Installing both PyTorch and TorchVision with CUDA support is strongly recommended.
根据pytorch官网，找到符合满足条件的cuda版本，我这里下载cuda12.2，下图所示cuda官网。在Ubuntun中依此运行下面七行代码。

在这里插入图片描述
运行完毕之后，打开Ubuntu的usr/local目录下，cuda被安装到这里

4.2 配置cuda环境变量

接下来需要配置cuda的环境变量。输入下述代码进入配置环境变量文件。

nano ~/.bashrc

根据自己下载的包，添加如下路径

export DISPLAY=172.21.64.1:0  #这个是之前配置wsl的IPV4地址，这里不需要配置
export PATH="/home/yjj/anaconda3/bin:$PATH" # 这个是上面配置anaconda的，这里也不需要配置
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-12.2

在这里插入图片描述
最后ctrl+x，y，回车退出，然后运行source ~/.bashrc更新配置文件，使改动生效。
最终输入nvcc -V验证cuda安装是否成功，如下图所示安装成功

5.下载并配置cudnn

5.1 下载cudnn

进入cudnn官网，选择适合上面安装cuda的cudnn版本https://developer.nvidia.com/rdp/cudnn-archive

之后把下载包复制到Ubuntu下的yjj目录下
在这里插入图片描述

5.2 解压并安装cudnn

依此执行下述命令，解压，复制cudnn中的bin等目录到cuda中(类似windows中把cudnn中的bin，lib，include三个目录中的文件复制到cuda对应目录中)。

tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda12-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

最后输入下述命令验证是否安装成功，显示输出8，9，4代表安装的cudnn版本为8.9.4和上述下载的版本一致，至此cudnn的下载和安装结束。(提示 cannot use constexpr here since this is a C-only file 的问题是由于 constexpr 是 C++ 中的关键字，而这个文件是用 C 语言编写的（通常 C 文件以 .c 为后缀）。因此，constexpr 不能直接用于 C 语言文件中。
这并不表示 CUDNN 没有安装好，而是编译代码时出现了语言特性不兼容的问题。)

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

在这里插入图片描述