WSL2深度环境配置

1. Ubuntu 换源

修改 /etc/apt/sources.list

2. conda安装

  1. 安装miniconda
    bash ~/.M+<Tab>补全.sh
  2. Conda换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda config --set show_channel_urls yes`
  1. 测试
conda --version

3. pip换源

mkdir ~/.pip
cd ~/.pip
sudo gedit ~/.pip/pip.conf

填入

 # coding: GBK
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = https://pypi.tuna.tsinghua.edu.cn
#清华大学:https://pypi.tuna.tsinghua.edu.cn/simple
#阿里云:http://mirrors.aliyun.com/pypi/simple/
#豆瓣:http://pypi.douban.com/simple/

4. 安装cuda

  1. wsl-ubuntu
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/12.1.1/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda
  1. bashrc中添加
    export PATH=$PATH:/usr/local/cuda/bin
  2. 检测
    nvcc -V

5. 安装p10k

6. 配置代理

为 WSL2 一键设置代理

chmod +x .proxy.sh
alias proxytest='/root/.proxy.sh display'
alias proxyset='/root/.proxy.sh set'
alias proxyunset='/root/.proxy.sh unset'
#!/bin/bash
#  .proxy.sh 文件内容
hostip=$(cat /etc/resolv.conf | grep nameserver | awk '{ print $2 }')
wslip=$(hostname -I | awk '{print $1}')
port=7890
PROXY_SOCKS="socks5://${hostip}:${port}"

function display() {
    echo "Host ip: ${hostip}"
    echo "WSL client ip: ${wslip}"
    echo "current PROXY: ${PROXY_SOCKS}"
}

function set_proxy() {
    export http_proxy="${PROXY_SOCKS}"
    export https_proxy="${PROXY_SOCKS}"
    echo "env http/https proxy set."
}

function unset_proxy() {
    unset http_proxy
    unset https_proxy
    echo "env proxy unset."
}

function set_git_proxy() {
    git config --global http.proxy "${PROXY_SOCKS}"
    git config --global https.proxy "${PROXY_SOCKS}"
    echo "git config proxy set."
}

function unset_git_proxy() {
    git config --global --unset http.proxy
    git config --global --unset https.proxy
    echo "git conffig proxy unset."
}

if [ "$1" = "display" ]; then
    display
elif [ "$1" = "set" ]; then
    set_proxy
elif [ "$1" = "unset" ]; then
    unset_proxy
elif [ "$1" = "setgit" ]; then
    set_git_proxy
elif [ "$1" = "ungit" ]; then
    unset_git_proxy
else
    echo "incorrect arguments."
fi

7.配置git

安装环境

  1. 安装pytorch
conda create -n py310 python=3.10
conda activate py310
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
python 
import torch
print(torch.__version__)
print(torch.version.cuda)
  1. 安装pyamtgen
    ase
conda install --channel conda-forge pymatgen
conda install --channel conda-forge ase
  1. 安装pyg
conda install pyg -c pyg
❯ python
Python 3.10.11 (main, Apr 20 2023, 19:02:41) [GCC 11.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
nt(torch.__version__)
print(torch.version.cuda)>>> print(torch.__version__)
2.0.1
>>> print(torch.version.cuda)
11.8
  • 在线安装
pip install torch_sparse -f https://pytorch-geometric.com/whl/torch_sparse-0.6.17+pt20cu118-cp310-cp310-linux_x86_64.whl
pip install torch_scatter -f https://pytorch-geometric.com/whl/torch_scatter-2.1.1+pt20cu118-cp310-cp310-linux_x86_64.whl
pip install torch_cluster -f https://pytorch-geometric.com/whl/torch_cluster-1.6.1+pt20cu118-cp310-cp310-linux_x86_64.whl
pip install torch_spline_conv -f https://pytorch-geometric.com/whl/torch_spline_conv-1.2.2+pt20cu118-cp310-cp310-linux_x86_64.whl
  • 离线安装(建议)
    下载对应版本[https://pytorch-geometric.com/whl]
pip install torch_<Tab>补全.whl
  1. 安装其他环境
conda install pandas
conda install -c conda-forge  wandb torchmetrics accelerate
conda install -y -c conda-forge tensorboard # -y参数是自动确认

-y: 自动确认安装过程中出现的提示信息,不需要人工手动确认;
-c conda-forge: 指定从 conda-forge 这个第三方 channel 中下载相应的软件包。conda-forge 是一个社区维护的 channel,提供了大量的开源软件包,可以满足更多用户的需求;

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在WSL中安装深度学习环境,可以按照以下步骤进行操作。 1. 首先,确保已经安装了WSL并选择了适合您的Linux发行版,如Ubuntu。 2. 打开WSL终端并运行以下命令,更新系统软件包列表: ``` sudo apt update ``` 3. 安装必要的依赖项,包括Python和pip: ``` sudo apt install python3 python3-pip ``` 4. 安装所需的深度学习库,如TensorFlow或PyTorch。可以使用pip命令来安装它们,例如: ``` pip3 install tensorflow ``` 5. 根据需要,您还可以安装其他深度学习库和工具,如Keras、Scikit-learn等: ``` pip3 install keras scikit-learn ``` 6. 可能需要安装GPU的相关驱动程序和CUDA工具包,以便在WSL中进行GPU加速的深度学习任务。这可能需要更多的配置和步骤,因为WSL并不原生支持CUDA,但是可以通过一些额外的工具和补丁来实现。 请注意,WSL在很大程度上是用于开发目的,而不是用于性能要求较高的深度学习任务。如果您需要更高性能的环境,建议直接在宿主系统上安装深度学习环境,而不是使用WSL。 希望以上步骤对于在WSL中安装深度学习环境有所帮助。 ### 回答2: 要在WSL上安装深度学习环境,首先需要安装WSL,并选择适合的发行版,如Ubuntu。安装完成后,可以使用WSL的命令行界面进行操作。 在WSL上安装深度学习环境一般分为以下步骤: 1. 更新系统:使用命令sudo apt update && sudo apt upgrade来更新WSL的系统软件和库。 2. 安装必要的工具:安装一些必要的工具和软件包,如wget、curl等,以便后续的操作。 3. 安装Python深度学习环境通常需要使用Python作为编程语言,可以通过sudo apt install python来安装Python。 4. 安装pip:Pip是一个Python的包管理工具,使用命令sudo apt install python3-pip来安装pip。 5. 安装深度学习框架:有多种深度学习框架可供选择,如TensorFlow、PyTorch等。可以使用pip安装这些框架,例如使用pip install tensorflow来安装TensorFlow。 6. 安装GPU支持(可选):如果使用GPU进行深度学习训练,还需要安装相应的GPU驱动和CUDA库。具体安装步骤可以参考相应的GPU厂商文档。 7. 安装其他依赖库:深度学习环境通常还依赖于其他的库和软件包,可以使用pip安装这些依赖库。 安装深度学习环境可能会涉及到很多细节和配置,具体操作要根据具体环境和需求来确定。此外,还可以通过WSL启动一个图形界面,以方便使用深度学习工具和编辑器。在图形界面中,可以更方便地进行代码编写、调试和可视化等操作。 总之,在WSL上安装深度学习环境需要经过一系列的准备和安装步骤,可以根据具体需求和环境按照以上步骤进行操作。 ### 回答3: 要在WSL上安装深度学习环境,可以按照以下步骤进行操作: 1. 安装WSL:在Windows系统上,可以通过Microsoft Store或者官方网站下载安装WSL。选择合适的Linux发行版,如Ubuntu。 2. 启动WSL:安装完成后,可以在Windows菜单中找到WSL并打开命令行终端。 3. 更新系统:在WSL终端中,使用以下命令更新系统软件包和依赖项: ``` sudo apt update sudo apt upgrade ``` 4. 安装Python和pip:为了使用深度学习框架,需要先安装Python和pip。在WSL中使用以下命令进行安装: ``` sudo apt install python3 python3-pip ``` 5. 安装深度学习库:根据需要选择深度学习框架(如TensorFlow、PyTorch等),并使用pip命令安装相应的库。例如,安装TensorFlow和Keras可以使用以下命令: ``` pip3 install tensorflow pip3 install keras ``` 6. 安装GPU驱动(可选):如果你的系统有NVIDIA GPU并且想要使用GPU加速深度学习训练,可以在WSL中安装相应的GPU驱动和CUDA工具包。具体安装过程较为复杂,建议参考相关文档或教程进行操作。 以上步骤是在WSL上安装深度学习环境的大致流程。根据不同的需求和情况,可能会有一些额外的步骤或配置,建议参考相关文档或教程进行更详细的指导。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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