wsl2安装深度学习环境2024最新版(cuda11.8+torch2.0)

1.wsl2的安装与迁移

1.安装

Microsoft store 找到ubuntu22.04，点击获取（顺便安装一下windows terminal，之后的命令行操作都在windows terminal中执行）

2.设置

启动时会下载部分文件，并设定用户名和密码

3.位置迁移（默认在c盘，建议迁移）

        从Win的开始菜单找到windows powershell，打开，输入以下代码显示目前已安装的子系统：

wsl -l

        在D盘新建wsl文件夹，并输入以下代码将ubuntu备份（Ubuntu-22.04为第三步查询到的子系统名称），此时打开D盘wsl文件夹查看：

wsl --export Ubuntu-22.04 D:\wsl\Ubuntu.tar

        然后删除子系统，此时使用第三步查询已无法查到原有子系统

wsl --unregister Ubuntu-22.04

        从D盘备份中恢复子系统，然后wsl -l查询是否恢复成功

wsl --import Ubuntu-22.04 D:\wsl D:\wsl\Ubuntu.tar

        将新系统的用户设置成你想设置的用户名

ubuntu2204.exe config --default-user 用户名

        打开win terminal，选中Ubuntu 22.04

        设置成功，此时wsl已经在D盘wsl文件夹下的ext4.vhdx中

        为了方便与win文件互传，在win10左下角搜索栏输入\\wsl$，点击运行此命令，即可在win10的文件系统中直观访问wsl内部文件系统

2.深度学习环境搭建

1.conda安装

        下载安装包

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

        安装，一路enter，然后输入yes，再按一下enter，最后再输入yes

sh Anaconda3-2024.02-1-Linux-x86_64.sh

        此时conda创建环境会显示conda: command not found，关闭这个页面，从win terminal重新进入一次，显示(base) 用户名@DESKTOP-UA3C67F:~$即可，输入指令创建虚拟环境(ss为环境名称)，然后y

conda create -n ss python==3.8

        输入conda activate ss激活环境，然后将pip锁定至清华源方便后续下载

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2.cuda安装

        ubuntu换源，首先打开配置文件，

sudo vim /etc/apt/sources.list

        i进入编辑模式，将原有软件源开头全部用#注释掉，然后将以下代码复制进去，然后按esc推出编辑模式，输入:wq保存并退出，输入sudo apt update更新软件包

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal universe
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates universe
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security universe
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security multiverse

        安装gcc 

sudo apt-get install gcc

         访问链接CUDA Toolkit 11.8 Downloads | NVIDIA Developer下载cuda11.8

         建议先把第一行的代码复制下载好移动到wsl2系统中，第二步执行过程中输入accept等根据图形界面显示逐步进行

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

         编辑环境变量

sudo vim ~/.bashrc

         i进入编辑模式，在末尾将以下代码复制进去，然后按esc推出编辑模式，输入:wq保存并退出 

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
export PATH=$PATH:/usr/local/cuda-11.8/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8

         输入source  ~/.bashrc刷新环境变量，输入nvcc -V查看cuda是否已经安装成功

3.cudnn安装

         访问cuDNN Archive | NVIDIA Developer选择适合的cudnn版本，选择Local Installer for Linux x86_64(tar)版本下载，移动到wsl2系统中Local Installer for Linux x86_64 (Tar)https://developer.nvidia.com/downloads/compute/cudnn/secure/8.9.7/local_installers/11.x/cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz/

         解压并复制文件

sudo tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz
cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive/
sudo cp -r lib/* /usr/local/cuda-11.8/lib64/
sudo cp -r include/* /usr/local/cuda-11.8/include/
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*

          验证是否成功安装

cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

4.torch安装

          conda创建环境，之后利用conda activate ss激活环境

conda create -n ss python==3.10

          从官网找到下载链接以前的 PyTorch 版本 |PyTorch的

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

           验证是否成功

           实测wsl2相比win训练速度有部分提升，祝大家的深度学习之旅一帆风顺。

参考：

很专业的一位up，七十七的德的个人空间-七十七的德个人主页-哔哩哔哩视频 (bilibili.com)