深度学习之 win11安装wsl2 ubuntu vscode cuda12.1 cudnn pytorch(一)

深度学习之 win11安装wsl2 ubuntu vscode cuda12.1 cudnn pytorch (一)

感谢前人的分享,总结自己的安装经验

第一章 win11 安装ubuntu



前言

`
几年前曾在win10 系统上直接配置环境,安装了tensorflow2.1,由于显卡是1050ti,并没有做很多的深度学习训练。今年买了新的设备,准备做一点新的东西。虽然对tensorflow熟悉一点,奈何pytorch在学术界的地位遥遥领先,转战pytorch从头学起。经过多方比较,参考前人的经验,得出深度学习最终的归途还得是 Linux。
好在目前Windows 11上安装Ubuntu系统是一个相对直接的过程,可以通过Windows的Linux子系统(WSL)来实现。


一、WSL系统简介

装双系统每次只能用一个系统,在 Ubuntu 下办公不如 Windows 方便,在虚拟机上装 Ubuntu 又没办法共享宿主机的GPU,跑深度学习直接泡汤,微软自己出手做 Windows 下的 Linux 子系统,解决了上面的问题,既能同时使用 Windows 和 Linux,又可以在Linux中使用 Windows 下的GPU,完美。
从2016年8月首次发布到现在,经过六年多的迭代,WSL 从 WSL1 发展到 WSL2,在 win11 中已默认集成 WSL1(默认未开启状态)。

微软对WSL两个系列的比较

WSL 1 和 WSL 2 之间的主要区别在于,在托管 VM 内使用实际的 Linux 内核、支持完整的系统调用兼容性以及跨 Linux 和 Windows 操作系统的性能。

WSL 2 是安装 Linux 发行版时的当前默认版本,它使用最新最好的虚拟化技术在轻量级实用工具虚拟机 (VM) 内运行 Linux 内核。 如果你的发行版当前运行的是 WSL 1,而你想要更新到 WSL 2,请参阅从 WSL 1 更新到 WSL 2。

WSL2相比WSL1来说可以完美支持Docker。与WSL1的模拟Linux
API不同的是,WSL2采用在Hyper-V虚拟机中运行的方案。可以说WSL2和原汁原味的Linux已经十分接近。
WSL1 没有 Linux 内核,不支持 docker;WSL2 是有 Linux 内核的轻量化虚拟机,支持 docker。
目前 docker 已经针对 WSL2 做了适配,安装时检测到 WSL2 就会启用 WSL2 后端,不仅能同时在 Windows 和 WSL 下操作 docker 服务器,还比以前的 docker on Windows 启动更快、占用资源更少。

二、win11开启wsl

2.1 搜索‘启用或关闭window功能’,勾选‘适用于Linux的Windows子系统’和‘虚拟机平台’

2.2 重启电脑,

三、安装ubuntu

2.3打开应用商店Microsoft Store,搜索相应的wsl,这里我选择了22.04.6版在这里插入图片描述
在这里插入图片描述

安装好后在win11程序里打开

第一次打开时出现了步骤2.3的错误,依照2.3更新内核后,错误解决。

2.3 如果出现以下报错:是因为内核没有更新
在这里插入图片描述
在powershell中更新内核采用以下命令

 // wsl --update

在这里插入图片描述
查看wsl版本

// wsl --status

或者

// wsl -l -v

设置wsl2,以下命令设置默认wsl版本:

 // wsl --set-default-version 2

四、配置ubuntu的环境

在 Linux 系统中,/etc/apt/sources.list 文件包含了用于软件包安装的软件源(repositories)的列表。这些软件源可以是本地的镜像站点,也可以是官方的仓库,例如 Ubuntu 的官方仓库。
当你想要修改 sources.list 文件时,为了安全起见,通常建议先备份原文件。这样,如果新的配置出现问题,你可以恢复到原来的配置。
使用 sudo cp 命令可以复制文件,同时保持文件的权限和所有权。/etc/apt/sources.list 文件通常需要 root 权限才能修改,因此在使用 cp 命令时也需要使用 sudo 来获取必要的权限。

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

说明

sudo:这是一个命令行程序,允许授权的用户以超级用户(root)的身份或其他用户的身份执行命令。
cp:是 copy 的缩写,用于复制文件或目录。
/etc/apt/sources.list:这是要复制的文件的路径,它包含了 APT 软件包管理器使用的软件源列表。
/etc/apt/sources.list.bak:这是目标文件的路径,它将是原始 sources.list 文件的备份。
执行这个命令后,/etc/apt/sources.list.bak 文件就会成为 sources.list 的一个副本,你可以在这个副本中进行修改,而不影响原始文件。如果新的配置出现问题,你可以通过删除 sources.list 文件(如果它已经被修改或损坏)并重命名 sources.list.bak 为 sources.list 来恢复到原来的配置。

至此win11 系统的ubuntu系统 就安装好了,win11下的linux环境配置成功。

更多内容可参考微软的官方介绍
https://learn.microsoft.com/zh-cn/windows/wsl/

总结`

win11配置linux系统下深度学习环境的第一步。


参考:

  1. https://blog.csdn.net/ww_khun/article/details/129410363
  2. https://blog.csdn.net/qq_33534428/article/details/125200366
  3. https://www.bilibili.com/video/BV1n14y1x7Y7/?spm_id_from=333.999.0.0&vd_source=ebd4117bd90b10d2ab0971fd2c526006
  4. https://www.bilibili.com/video/BV1o8411C7wm/?spm_id_from=333.788&vd_source=ebd4117bd90b10d2ab0971fd2c526006
  • 26
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Windows Subsystem for Linux (WSL2) 是 Windows 10 中的一项功能,它提供了一个在 Windows 上运行完整版 Linux 分区的环境。如果你想在 WSL2 中安装 CUDAcuDNN,这是一个通常用于深度学习的 GPU 加速库,你可以按照以下步骤操作: 1. **安装 NVIDIA GPU 驱动**: - 首先,确保你的 Windows 系统有支持 CUDA 的 NVIDIA GPU,并访问 NVIDIA 的官网下载适用于你的 GPU 和系统的最新驱动程序。 2. **启用开发者模式**: - 在设备管理器中,找到 NVIDIA GPU,右键点击选择“属性”>“高级”>“启用设备虚拟化”。 3. **安装 Ubuntu 或其他发行版**: - 从 Microsoft Store 或者通过命令行(`wsl --install -d <distro-name>`)安装 Ubuntu 或者其他你喜欢的 Linux 发行版,如 Debian 或者 CentOS。 4. **更新和安装依赖**: - 登录 WSL,运行 `sudo apt update && sudo apt upgrade` 更新系统。 - 安装 `cuda-toolkit` 和 `cudnn`,例如: ``` sudo apt install nvidia-cuda-toolkit sudo apt-get install libnvidia-cudnn-dev ``` 5. **配置环境变量**: - 需要设置 `LD_LIBRARY_PATH` 和 `CUDA_HOME` 环境变量指向正确的库目录。 6. **验证安装**: - 测试安装是否成功,可以尝试运行 `nvcc --version` 来查看 CUDA 版本,以及 `cudnn` 相关的测试工具。 **相关问题--:** 1. WSL2 支持哪些 Linux 发行版? 2. 如何在 WSL2 中查看已安装CUDA 版本? 3. 如何在 Ubuntu 中管理和更新软件包?

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值