深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境

HinGwenWoong

已于 2022-01-28 21:29:51 修改

阅读量1.5w

点赞数 28

分类专栏：深度学习文章标签：深度学习 pycharm ubuntu 人工智能 python

于 2022-01-05 21:22:42 首次发布

本文链接：https://blog.csdn.net/hxj0323/article/details/122026317

版权

深度学习专栏收录该内容

10 篇文章 2 订阅

订阅专栏

文章目录

原创声明
前言
一、WSL 2 安装 Ubuntu
二、安装终端软件（可选，但推荐）
三、安装 Nvidia-WSL 驱动
四、Ubuntu 安装 CUDA-WSL 专属驱动
五、安装 miniconda 并测试
六、使用 Pycharm 连接并测试
附录
总结
授权须知

原创声明

本文为 HinGwenWoong 原创，如果这篇文章对您有帮助，欢迎转载，转载请阅读文末的【授权须知】，感谢您对 HinGwenWoong 文章的认可！

前言

我们在开发深度学习项目的时候，经常出现对 Linux 友好但是对 Windows 不是完全支持的情况，但是装双系统之后，文件不能共享，这就比较烦恼；如果使用虚拟机，读取不了显卡也比较头痛。

值得兴奋的是，Win10 现在出了 WSL，就是 Windows 下的子系统，将 Linux 生态也并进来了，使用 WSL 可以快速搭建一个 Linux 子系统并且完美运行 cuda，一个字：爽！

下面就一起来搭建吧！

我是 HinGwenWoong，一个有着清晰目标不停奋斗的程序猿，热爱技术，喜欢分享，码字不易，如果帮到您，请帮我在屏幕下方点赞 👍 ，您的点赞可以让技术传播得更远更广，谢谢！

一、WSL 2 安装 Ubuntu

启用适用于 Linux 的 Windows 子系统，以管理员身份打开 PowerShell，然后输入以下命令：
```
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
```
启用虚拟机功能
安装 WSL 2 之前，必须启用【虚拟机平台】的功能，因为计算机需要虚拟化功能才能使用此功能。
以管理员身份打开 PowerShell 并运行：
```
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
```
执行之后，重新启动计算机，以完成 WSL 的安装并更新到 WSL 2。
将 WSL 2 设置为默认版本:
打开 PowerShell，然后运行以下命令，将 WSL 2 设置为默认版本：
```
wsl --set-default-version 2
```
使用 Windows 商店安装 Ubuntu：商店传送门
在上方搜索：Ubuntu，会出现多个版本，选择你需要的版本，这里选择 18.04
安装完成后，可以在开始菜单栏看到 Ubuntu 了
第一次需要手动启动，初始化用户名、密码那些
使用命令检查下内核版本号，推荐 5.10.16.3 以及之后的版本
```
uname -r
```
如果版本太低，使用命令进行升级
```
wsl.exe --update
```

更换 Ubuntu 的镜像源为阿里，打开 /etc/apt/sources.list，在开头加上：

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

终端输入 sudo apt-get update 更新镜像源

二、安装终端软件（可选，但推荐）

强烈建议安装 Windows Terminal ，超级好用，Windows 商店传送门

在这里插入图片描述
使用这个界面就舒服很多了，而且可以切换不同的子系统

三、安装 Nvidia-WSL 驱动

去到官方下载地址下载安装包：
选择对应的显卡系列下载安装包
执行下载好的 .exe 文件就可以了
重启电脑

四、Ubuntu 安装 CUDA-WSL 专属驱动

去到官方下载地址获取安装命令：

在 Ubuntu 子系统中，跟着给出的命令，一套带走：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.5.1/local_installers/cuda-repo-wsl-ubuntu-11-5-local_11.5.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-5-local_11.5.1-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-5-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

在这里插入图片描述

将 cuda 加入环境变量

vim ~/.bashrc

加入以下内容：（前提是 CUDA 安装在默认位置）

# cuda
export CUDA_HOME=/usr/local/cuda
export PATH=${CUDA_HOME}/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${CUDA_HOME}/lib64

修改之后，保存退出，更新下就行

source ~/.bashrc

使用 nvcc 命令可以看到 CUDA 信息
```
nvcc -V
```

使用官方的例子进行测试

cd ${CUDA_HOME}/samples/4_Finance/BlackScholes
./BlackScholes

可能出现的错误：

安装完之后，使用官方例子出现错误
CUDA error at ../../common/inc/helper_cuda.h:779 code=35(cudaErrorInsufficientDriver) "cudaGetDeviceCount(&device_count)"
升级系统！！！！我升级到 21H2 就可以了
升级完之后去执行
成功！

五、安装 miniconda 并测试

使用清华镜像站进行下载，命令：

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.10.3-Linux-x86_64.sh

安装开始填写 yes
安装路径，建议是默认
安装的最后会询问是否初始化，填写 yes
完成！
进行 conda 初始化
```
conda init
```

检查 conda 的环境变量：

vim ~/.bashrc

看到以下信息即可视为成功：

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$(<conda 安装路径>/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "<conda 安装路径>/etc/profile.d/conda.sh" ]; then
        . "<conda 安装路径>/etc/profile.d/conda.sh"
    else
        export PATH="<conda 安装路径>/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

切换 Conda 镜像源：
可以参考我的一篇文章：Conda 下载慢? 一招帮你解决!
使用 pytorch 测试能否正常调用 CUDA，如果显示为 TRUE 则为成功！

六、使用 Pycharm 连接并测试

在 Python 解释器加入 WSL
在下方 Python 控制台 测试，显示 True 即为成功！

至此，已全部完成，下面是配置 cudnn 和 torch2trt 的环境，如果不需要则跳过

附录

附录一、其他版本的 CUDA 和 cudnn 安装及其环境变量

其他版本的 CUDA 和 cudnn 的安装

这里使用 conda 安装

conda install cudatoolkit=XX.XX.XX
conda install cudnn

cudnn 环境变量配置

在导入 TensorRT 的时候出现一直找不到：ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory
使用命令 sudo find / -name libcudnn.so.8 寻找 cudnn 的安装路径：

在 ~/.bashrc 中加入：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/hingwenwoong/miniconda3/pkgs/cudnn-8.2.1-cuda11.3_0/lib

更新下 source ~/.bashrc，再次测试：
成功！

附录二、安装 torch2trt

安装显示缺少头文件
编辑 setup.py，把 setup.py 里面的 trt_inc_dir 和 trt_lib_dir 分别改为你的 trt 的 include 和 lib 目录，就可以 `sudo 安装了：

总结

以上就是使用 PyCharm+WSL2+CUDA搭建Windows开发环境的方法了，感谢您看到这里，希望能够帮助你快速搭建 windows 开发环境

参考文章：

更多阅读推荐

授权须知

原创文章在推送一天后才可进行转载
转载文章，禁止声明原创
不允许直接二次转载，转载请根据原文链接联系作者
若无需改版，在文首清楚标注作者及来源/原文链接，并删除【原创声明】，即可直接转载。
但对于未注明转载来源/原文链接的文章，我将保留追述的权利。

作者：HinGwenWoong
一个有着清晰目标不停奋斗的程序猿，热爱技术，喜欢分享，共同进步！
CSDN: HinGwenWoong
原文链接：深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境
若需要修改文章的排版，请根据原文链接联系作者
再次感谢您的认可，转载请遵守如上转载须知！

HinGwenWoong

关注

28
点赞
踩
107

收藏

觉得还不错? 一键收藏
8
评论
深度学习 | 还在用双系统？一文教你PyCharm+WSL2+CUDA搭建开发环境

PyCharm+WSL2+CUDA搭建开发环境。我们在开发深度学习项目的时候，经常出现对 Linux 友好但是对 Windows 不是完全支持的情况，但是装双系统之后，文件不能共享，这就比较烦恼；如果使用虚拟机，读取不了显卡也比较头痛。值得兴奋的是，Win10 现在出了 WSL，就是 Windows 下的子系统，将 Linux 生态也并进来了，使用 WSL 可以快速搭建一个 Linux 子系统并且完美运行 cuda，一个字：爽！
复制链接

扫一扫

专栏目录