Windows 配置 WSL CUDA 环境

Windows 配置 WSL CUDA 环境

目的：日常办公主机装配了 Windows10系统，课题工作主要在远程Linux主机上完成，但偶尔需要在本地主机进行代码测试开发，双系统切换效率太低，因此想利用Windows中的Linux子系统（WSL）完成相应功能

说明：在Windows 10 21H2或者Windows 11版本，启用WSL V2版本后可以在WSL中使用系统的GPU资源，进而使用PyTorch等深度学习工具或者利用NVIDIA-Docker实现容器化GPU使用

0. 安装前准备

0.0 系统要求

系统至少为Windows10 21H2版本，或者为Windows 11, 如果是低版本，需要先升级。可以按住 Win+R 输入 winver 查看系统版本

0.1 WSL 安装

按照 设置->应用->程序和功能->启用或关闭 Windows 功能的步骤，确认将WSL启用：

设置完成，更新重启之后，打开 Microsoft Store 应用商店，安装 Ubuntu-20.04 或者其他个人习惯使用的 Linux 发行版。

安装完成之后可以打开，进入 Ubuntu-20.04 终端，完成系统设置，按照要求设置用户名和密码之后可以进入如下界面：

0.2 WSL 版本设置

（Windows11 可忽略，版本自带是V2）确保 WSL 版本是 V2，可以通过 wsl.exe -l -v 查看对应版本：

如果看到还是 VERSION 1，则可以按 微软官网教程 将 WSL1 升级到 WSL2，然后运行wsl --set-version Ubuntu-20.04 2 将版本进行升级。最佳做法是确认升级到 WSL2 之后，再在应用商店安装 Ubuntu 等 Linux 发行版。

0.3 下载

完成上述准本工作之后，为了保证安装顺利，可提前准备好需要的包：

• NVIDIA CUDA WSL驱动： 官网链接
• CUDA WSL PIN 官网链接
• CUDA TOOLKIT REPO 官网链接

1. 驱动安装配置

1.0 安装主机 CUDA 驱动

将上述步骤下载得到的 NVIDIA CUDA WSL驱动 在Windows 本地安装，双击打开 EXE 文件后按照导引运行即可

1.1 WSL 安装 CUDA 驱动

打开 WSL 终端，将下载的另外两个包放到方便查找的目录，例如如果在主机的 D:\\Downloads\\cuda 目录：
则此时可以在 WSL 中 cd /mnt/d/Downloads/cuda 进入该目录：

进入目录后运行以下命令安装：

# 如果之前没有提前下载，则输入 wget 命令下载；否则可略过下述所有 wget 命令
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/11.4.0/local_installers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-4-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

注： 上述安装的是 11.4 版本的 CUDA，例如 Pytorch 目前最高支持 11.3 版本，则可以修改上面的链接，下载对应版本即可。

驱动完成安装后，可以利用 nvidia-smi 查看是否安装成功：

右上角显示的 11.6 实际上是主机安装的驱动，和实际的 CUDA 版本无关，可以通过运行 /usr/local/cuda/bin/nvcc -V 查看实际的版本

CUDNN 安装和正常一样下载解压即可。

2. 环境安装

2.0 MiniConda

从清华等 国内Conda源 下载自己需要的 MiniConda 版本，（MiniConda 包含基本的 Python 环境和 Conda 等包管理器，比 AnaConda 更精简）

下载后执行 bash MiniConda-XXXX.sh 安装即可

2.1 Pytorch

可以直接参照官网的 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch 安装，或者通过其他的 pip 或者提前下好安装包等方式。

2.2 Conda 环境 Tips

如果在远程已经有安装配置好的环境，且远程环境与 WSL 环境兼容且驱动等也一致（例如远程服务器与本地 WSL 都是 Ubuntu 20.04，都安装的是一样的 MiniConda，且都安装了 CUDA-11.3 驱动），则此时可以直接将远程服务器的环境用于本地

• 在远程服务器 conda 环境中安装 conda-pack： pip install conda-pack
• 查看远程服务器中对应的 conda 环境：conda env list
• 打包对应的环境 conda pack -n torch -o /home/Downloads/torch.tar.gz
• 假设远程用户名为 user，远程主机 IP 地址为 192.168.100.200，将远程服务器的压缩包拷贝到本地：scp user@192.168.100.200:/home/Downloads/torch.tar.gz ./
• 将拷贝的文件移动到 /home/xxx/miniconda/envs/torch目录 (先在 envs 目录下新建 torch 目录 )
• cd /home/xxx/miniconda/envs/torch 进入目录
• 解压文件：tar zxf torch.tar.gz
• 完成安装，如无需要，可以删除压缩包 rm torch.tar.gz

2.3 安装后检查

安装完成后，可以在其中检查 CUDA 是否可用：
python -c "import torch; print(torch.cuda.is_available())"

可以看到已经能够使用。

---

Reference

• 英伟达官方 CUDA 用户指导：https://docs.nvidia.com/cuda/wsl-user-guide/index.html
• 微软 WSL CUDA 说明：https://docs.microsoft.com/zh-cn/windows/ai/directml/gpu-cuda-in-wsl
• 微软 WSL 安装说明：https://docs.microsoft.com/en-us/windows/wsl/install