WSL2搭建YOLO环境CUDA加速

前提是安装好了WSL2和WSL-ubantu，本文章只叙述搭建CUDA加速的模型运行环境

1、按照这个操作官方文档。

• 先在win下安装最新版驱动，接着安装WSL-ubantu-CUDACUDA Toolkit11.3
• 

 按照顺序在ubantu下运行即可。

接着编辑环境变量文件：

# 运行下面内容
vim ~/.bashrc
# 添加下面内容
# ------ CUDA 11.3 ------
export PATH=/usr/local/cuda-11.3/bin:$PATH
export CUDA_PATH=/usr/local/cuda-11.3
export CUDA_HOME=/usr/local/cuda-11.3
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH

# 添加完了保存退出，运行下面代码使其生效
source ~/.bashrc
# 最后一步验证是否成功
nvcc -V



# 题外话，若要删除CUDA
sudo /usr/local/cuda-11.3/bin/cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.3

 

如上图CUDA即安装成功 

最后安装对应的Cudnn，CUDA与cudnn对应关系根据要安装的框架自行查看,下载地址

这三个都要下载

 开始cudnn文件配置

# 把压缩包解压到指定位置
cd home/kuzmazs/down/
sudo tar -xvf cudnn-11.3-linux-x64-v8.2.1.32.tgz

# 文件配置
sudo cp /home/kuzmazs/down/cuda/include/cudnn*.h /usr/local/cuda-11.3/include
sudo cp -P /home/kuzmazs/down/cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64 
sudo chmod a+r /home/kuzmazs/down/cuda/include/cudnn*.h /usr/local/cuda-11.3/lib64/libcudnn*

# 处理另外两个
cd /home/kuzmazs/down/
sudo cp libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb /usr/local/
sudo cp libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb /usr/local/

# 安装
cd /usr/local
sudo dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb

# 检查是否成功
cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

 配置成功会显示如下：

 到这里CUDA、cudnn就配置完成了，接下来安装anaconda准备搭建虚拟环境

2、安装Anaconda

# 用wget下载安装包
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh
# 修改下载文件属性为可执行
chmod +x ./Anaconda   #（Tab补全）
# 运行该文件，一路yes就行
./Anaconda   #（Tab补全）

执行完之后，关闭WSL-ubantu，重新打开，看到base，如下图表示安装成功：

 接下来跟换清华源，运行下面代码

sudo vim .condarc

将下面的内容复制进去，然后按ESC,再按 ：wq保存退出即可

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

最后更新一下conda，会发现速度很快

conda update conda
conda update --all

conda创建虚拟环境的一系列操作这里就不叙述了，自行查阅

3、将代码拷贝到ubantu目录下，在文件资源管理器左手边有ubantu的目录，复制粘贴进去就行

 然后cd到代码目录下面：

 安装必要的环境:,最好是去pytorch官网安装torch-gpu版本

pip install -r requirements.txt -i https://pypi.doubanio.com/simple

检查torch-gpu是否安装成功

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

如下图表示成功： 

 到此为止 ， 关于WSL2-ubantu的yolov5环境就搭建完成了

补充一下WSL-ubantu的windows存放位置

"C:\Users\26099\AppData\Local\Packages\CanonicalGroupLimited.Ubuntu20.04LTS_79rhkp1fndgsc\LocalState\ext4.vhdx"

若是你们C盘容量不足，在安装WSL的时候就应该手动选择安装位置，不过安装之后也是可以后续迁移位置的