Win10使用Linux子系统(WSL2)进行深度学习训练

1.使用场景

希望拥有Linux系统开发深度学习程序的便捷性，和Windows系统日常工作的高效性。

为什么不用虚拟机：

虚拟机（如VMware等）安装的Linux系统无法使用Windows系统中的显卡进行深度学习程序加速。

2.步骤概况

1. 开启windows体验计划，并更新系统至较高预览版本。
2. 安装英伟达对wsl2的显卡驱动（NVIDIA Drivers for CUDA on WSL）。
3. 安装wsl2。
4. 从windows商店安装Ubuntu系统。
5. 安装CUDA Toolkit 。

Or

      6.安装Docker Desktop 使用合适的容器开发。

3.详细操作步骤

3.1开启windows体验计划，并更新系统至较高预览版本

• 将你的账户注册为预览体验机会账户

        https://insider.windows.com/zh-cn/

• 前往【开始菜单】>【设置】>【更新和安全】>【Windows 预览体验计划】，选择【开始】，然后点击【确认】
• 登录上一步骤中的微软帐户，然后点击【继续】
• 选择“快”通道，以保证能更新至足够新的预览版本（确保等于或高于Build version 20145 ）。
• 选择“立即重启”
• 前往【开始菜单】>【设置】>【更新和安全】>【Windows 更新】，选择【检查更新】然后等待电脑更新。（需要重启）

3.2安装英伟达对wsl2的显卡驱动

• 前往以下链接，下载与电脑显卡匹配（GEFORCE or QUADRO）的驱动连续进行安装。Official Drivers | NVIDIADownload latest drivers for NVIDIA products including GeForce, TITAN, NVIDIA RTX, Data Center, GRID and more.https://www.nvidia.com/download/index.aspx

3.3安装WSL2

• 启用适用于 Linux 的 Windows 子系统

        以管理员身份打开 PowerShell 并运行

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

• 启用虚拟机功能

        以管理员身份在 PowerShell 运行

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

        运行成功后重启计算机。

• 前往以下链接，下载并安装WSL2 Linux内核包

        https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi

• 将 WSL 2 设置为默认版本

        以管理员身份在 PowerShell 运行

wsl --set-default-version 2

3.4从windows商店安装Ubuntu系统

• 可以安装ubuntu、Ubuntu 18.04 LTS 或 Ubuntu 20.04 LTS等版本

• 输入账户名，密码，以开启你的ubuntu系统

• 在ubuntu命令行中使用nvidia-smi命令获得显卡信息，以检查上述步骤的正确性。

Note: 由于是windows的显卡驱动，无法具体查看某个进程的GPU使用情况，将一直显示“No running processes found ”，但可通过上面的GPU总内存使用情况检查程序是否正确使用显卡。

3.5在Ubuntu 18.04 LTS中安装CUDA Toolkit和相关开发环境

• 设置库并更新

$ apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub

$ sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list'

$ apt-get update

• 安装cuda

$ apt-get install -y cuda-toolkit-11-0

• 安装python，对应版本的Pytorch，并验证cuda的可用性

        

4.使用Docker Desktop容器进行开发（推荐，可选）

4.1推荐理由

• 无需在ubuntu中安装任何cuda版本（也就是步骤3.5不必要）。
• 可以同时运行多个不同版本的开发环境（如Python版本不同，Pytorch版本不同，Cuda版本不同）。
• 开发环境无需安装，只需在网上（一般为Docker Hub）拉取下来用。

4.2使用方法

• 前往以下地址下载并安装Docker Desktop

        https://www.docker.com/products/docker-desktop

• 在linux子系统（ubuntu）中使用docker命令查看安装是否正常

    ​        Linux子系统实际使用了windows中安装的Docker，两个平台所有docker数据共用

• 去docker hub寻找并拉取一个带有合适开发环境的docker镜像（如：1.9.0-cuda10.2-cudnn7-devel）

除了docker hub，英伟达也为深度学习开发提供了官方的docker镜像。使用容器开发的优点就在于此时你能随意选择需要的python，pytorch，cuda等版本。并且拉取之后就直接能用，无需安装。

• 从镜像生成容器

docker run --gpus all -it -v local/path:container/path image_name:tag /bin/bash

注：

要使用gpu环境，需要加--gpus xx指定使用的具体gpu，all表示使用机器中所有的gpu。

-v 用来将本地的一个地址挂载到container当中，以方便container与本地的交互。

-it 表示以交互式的方法开启一个终端，此时你的命令行为容器内部的命令行

image_name为容器名；tag为版本名需要指定，如不指定则默认tag=latest

/bin/bash 为在容器内运行的命令

• 检查cuda是否可用

        

由于显卡驱动是windwos版本，容器内部不能使用nvidia-smi指令，可以用以上方法查看显卡是否可用。

• （可选）使用vscode直接使用docker

在vscode安装插件“Docker”之后，可以直接操作docker镜像

从镜像创建容器后，可以使用vscode直接进入该容器，此时所有的操作都在该容器内，这样可以直接在容器内修改代码。

• （可选）docker快速入门（2，3个小时即可看完）

Docker 仓库管理 | 菜鸟教程 (runoob.com)

参考链接

如何加入微软 Windows 10/11 预览体验计划？ - 知乎

CUDA on WSL :: CUDA Toolkit Documentation

安装 WSL | Microsoft Docs