WSL2 支持CUDA即将到来

最新推荐文章于 2025-08-20 19:07:29 发布
最新推荐文章于 2025-08-20 19:07:29 发布
阅读量1.1k 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： win 10 Ubuntu 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ewqapple/article/details/106275095
随着Windows 10更新至2004版本，WSL2迎来了重大升级，有望全面支持CUDA工作流，使得Linux子系统在Windows平台上的深度学习开发更为便捷。升级过程中需注意主板虚拟化支持及win10相关组件的开启。

WSL2 即将支持 CUDA工作流

记录一下从WSL1 升级到WSL 2 的一些过程。

win10 更新到2004 版本之后，就能升级wsl 2 了。但是有一些坑，

这里做一个记录。

一定要在主板开启虚拟化支持， 一般在CPU选项卡里面进行设置。

其次打开win10 的

尽量多打开几个，然后重启一下，

执行命令 wsl --set-version ubuntu-20.04 2

即可升级成功。如果不成功从微软官网更新内核版本

 

这个特性很激动人心。做过深度学习的朋友都知道，很多框架还有现成的代码都是基于LInux下编写的。

如果WSL2 以后完全支持CUDA操作。那么Linux子系统在win 10 下就将是完全可用的状态。届时，win系统下的开发将势不可挡。

微软牛逼！NVIDIA牛逼！

参考博客https://developer.nvidia.com/cuda/wsl

在wsl2中安装CUDA
qq_41048761的博客
10-22 9074
1、先根据我之前的教程把wsl1升级到wsl2 wsl1升级到wsl2_夕阳之后的黑夜的博客-CSDN博客 2、打开Ubuntu，输入 uname -r 确定内核，安装CUDA需要内核 4.19.121 或更高。 3、安装docker 先更新apt sudo apt-get update 后安装docker sudo apt-get install -y docker.io 4、安装恩维迪亚容器工具包 设置分布变量，导入 Nvidia 存储库 GPG 密钥，然后将 Nvidia
痛苦的windows WSL2的CUDA安装过程
qq_45505081的博客
08-05 5065
在做深度学的过程中，发现大部分的情况下都是在Linux系统的环境下做的。经过多番查找，发现WSL2，这个虚拟机是可以直接调用CUDA 运算的，而且有人安装成功并跑通了。，本电脑是win10 22H2版本，如果之前有安装过Virtua Box 虚拟机的话会显示叫你卸载Virtualbox 才能升级，我这边明明都卸载了，还显示未卸载，纳闷了很久，找了一波，终于找到了。不要在微软商店安装Ubuntu20.04，会直接安装在C盘上面的，C盘安装虚拟机，真的很炸裂。至此WSL2的Ubuntu虚拟机初步完成安装了。
利用 Windows GPU 在 WSL2 中安装并配置 CUDA Toolkit
分享实践与思考
08-20 1565
要在 WSL2（Ubuntu 22.04）中使用 GPU，需依赖 Windows 的 NVIDIA 驱动提供硬件支持，并在 WSL 内安装 CUDA Toolkit 及配置环境。
异构计算实战2：WSL2子系统Ubuntu安装CUDA
fairyfar的专栏
05-17 1295
本文是《异构计算实战》系列文章的第2篇，主要介绍了在Windows 11的WSL2子系统中为Ubuntu 22.04配置CUDA编程环境的步骤。首先，确保Windows系统正确安装了NVIDIA显卡驱动，并通过命令行验证CUDA版本。接着，在Ubuntu中安装CUDA Toolkit，选择适合的安装方式并执行安装程序。安装完成后，配置环境变量并检查CUDA是否正确安装。尽管在验证过程中遇到了nvidia-smi命令报错的问题，但文章提供了相关参考链接以帮助解决此类问题。
WSL2安装CUDA
qq_51352578的博客
07-16 1154
WSL2安装CUDA的步骤
WSL2 安装 CUDA（Win11）
Rayone_的博客
04-25 9621
WSL2 安装 CUDA（Win11） 1.安装WSL的CUDA驱动 驱动下载地址：https://developer.nvidia.com/cuda/wsl 下载完成后直接默认安装就行 2.安装WSL2（推荐使用Ubuntu-18.04版本,其他版本坑多） 如果要卸载以前版本 wsl --list wsl --unregister Ubuntu-18.04 下载，换源 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo chmod 7
13017.win10安装WSL2及CUDA开发环境
写给自己的笔记
06-25 1318
默认启动进入root用户，修改进入到自定义用户.进入到ubuntu.exe目录。
如何在WSL2安装CUDA
weixin_41446370的博客
06-12 760
Windows 11 和 Windows 10 版本 21H2 支持在 Windows Subsystem for Linux (WSL) 实例中运行使用英伟达™ CUDA 进行 GPU 硬件加速的现有 ML 工具、库和流行框架。这包括 PyTorch 和 TensorFlow，以及原生 Linux 环境中可用的所有 Docker 和英伟达容器工具包支持。
【AI】搭建Windows Linux子系统（WSL2）CUDA环境
zhoulizhu的博客
01-06 3961
介绍Windows Linux子系统（WSL2）搭建CUDA运行环境的操作
【深度学习开发】基于WSL2的CUDA与PyTorch集成：Windows平台GPU直通开发环境构建与TensorRT模型部署
最新发布
10-01
内容概要：本文介绍了如何利用WSL2与GPU直通技术，在Windows笔记本上构建支持CUDA和PyTorch的深度学习开发环境。通过NVIDIA官方驱动支持，无需额外安装Linux显卡驱动即可在WSL中启用CUDA，结合Docker和NVIDIA容器...
wsl | wsl2中安装cuda
weixin_66442839的博客
03-09 591
wsl | wsl2中安装cuda
超详细wsl2安装深度学习环境2025年最新版(cuda11.8+torch2.2)
热门推荐
imok1234567的博客
03-19 1万+
wsl2安装深度学习环境2025年最新版(cuda11.8+torch2.0)
WSL2急速搭建CUDA体验环境
lurenze的博客
10-29 3031
在WSL2中快速搭建CUDA环境
wsl2 安装cuda
qianbo042311的博客
08-19 715
首先登录wsl 直接命令 wsl 就行。
wsl2 cuda
weixin_41642203的博客
07-16 312
--------------------------------------- 更新ubnutu基础环境 --------------------------------------- apt升级 sudo apt update sudo apt upgrade sudo apt-get update sudo apt-get upgrade 安装 gcc sudo apt install gcc pip升级 sudo apt install python3-pip python3 -m pip insta
WSL：使用CUDA。
momodosky的博客
08-13 1780
参考：Nvidia英文UG https://docs.nvidia.com/cuda/wsl-user-guide/index.html 环境：ROG幻14（显卡2060，Windows11） 1、windows版本（要求：20145 or later） （鼠标右键点击）开始 > 设置 > 系统 > 关于 > Windows规格： 或，Win+R，输入cmd回车，执行：ver (或 winver，对话框显示关于"Windows") 注：Windows 10低版..
在WSL2-Ubuntu中安装CUDA12.8、cuDNN、Anaconda、Pytorch并验证安装
love530love的博客
03-07 1万+
记录工作提示：整个过程最好先开启系统代理，也可以用镜像源，确保有官方发布的最新特性和官方库的完整和兼容性支持。期间下载会特别慢，需要在系统上先开启代理，然后WSL设置里打开网络模式“Mirrored”,以设置WSL自动使用主机上的代理网络。【WLS2怎么设置网络自动代理 - CSDN App】https://blog.csdn.net/u014451778/article/details/146073726?
WSL2配置深度学习环境，cuda+cudnn+opencv
weixin_46460816的博客
05-04 3450
安装cuda比较简单，进入官网，选择自己需要的版本，按照命令运行即可需要注意的是，选择WSL-Ubuntu编辑。
wsl2验证cuda安装
08-13
### 验证 WSL2 中 CUDA 的安装情况 在 WSL2 环境中验证 CUDA 是否安装成功，可以通过以下几种方式确认： #### 1. 检查 CUDA 版本信息 运行以下命令，查看系统中 CUDA 的版本信息： ```bash nvcc --version ``` 该命令将输出 CUDA 编译器驱动程序的版本，包括 CUDA 工具包的版本号。如果输出中包含 `release` 字段，则表示 CUDA 已正确安装[^4]。 #### 2. 检查 NVIDIA 驱动是否正常加载 运行以下命令，查看 NVIDIA 驱动是否在 WSL2 中正常加载： ```bash nvidia-smi ``` 如果命令成功执行并输出当前 GPU 的状态信息（如显存使用情况、运行的进程等），则表示 WSL2 已正确识别并加载了 NVIDIA GPU 驱动[^2]。 #### 3. 编译并运行 CUDA 示例程序 可以使用一个简单的 CUDA 程序来验证 CUDA 是否可以正常编译和执行。例如，创建一个名为 `vector_add.cu` 的文件，并输入以下代码： ```cpp #include <stdio.h> __global__ void vectorAdd(int *a, int *b, int *c, int n) { int i = threadIdx.x; if (i < n) { c[i] = a[i] + b[i]; } } int main() { int n = 5; int a[] = {1, 2, 3, 4, 5}; int b[] = {10, 20, 30, 40, 50}; int c[n]; int *d_a, *d_b, *d_c; cudaMalloc(&d_a, n * sizeof(int)); cudaMalloc(&d_b, n * sizeof(int)); cudaMalloc(&d_c, n * sizeof(int)); cudaMemcpy(d_a, a, n * sizeof(int), cudaMemcpyHostToDevice); cudaMemcpy(d_b, b, n * sizeof(int), cudaMemcpyHostToDevice); vectorAdd<<<1, n>>>(d_a, d_b, d_c, n); cudaMemcpy(c, d_c, n * sizeof(int), cudaMemcpyDeviceToHost); for (int i = 0; i < n; i++) { printf("%d ", c[i]); } cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); return 0; } ``` 使用 `nvcc` 编译该程序： ```bash nvcc vector_add.cu -o vector_add ``` 运行编译后的程序： ```bash ./vector_add ``` 如果程序成功运行并输出结果 `11 22 33 44 55`，则表示 CUDA 已正确配置并能够执行 GPU 加速任务[^3]。 #### 4. 检查 CUDA 环境变量是否配置正确 运行以下命令，确认 CUDA 的环境变量已正确配置： ```bash echo $PATH | grep cuda echo $LD_LIBRARY_PATH | grep cuda ``` 如果输出中包含 `/usr/local/cuda/bin` 和 `/usr/local/cuda/lib64` 等路径，则表示 CUDA 的环境变量已正确设置[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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