wsl深度学习环境配置与pycharm连接

努力探索的计算机小白洲

已于 2024-03-23 20:46:26 修改

阅读量8.8k

点赞数 41

文章标签： pycharm ide python

于 2024-03-23 18:40:32 首次发布

本文链接：https://blog.csdn.net/m0_74705340/article/details/136970248

版权

1.在微软应用商店下载ubuntu

按默认下载位置在c盘即可

安装完成后，创建用户名和密码。（注意，若报错 adduser: Please enter a username matching the regular expression configured。说明用户名格式不符合规范，比如用户名首字母不能是大写）

2.将wsl文件位置从c盘迁移至d盘

1.查看Ubuntu 版本号

wsl -l

2.在d盘新建一个文件，比如：D:\UbuntuWSL

3.一步一步执行如下命令，注意：据wsl-l的版本号自行修改版本号，我的是Ubuntu-22.04

wsl --export Ubuntu-22.04 d://UbuntuWSL//ubuntu-22.04.tar
wsl --unregister Ubuntu-22.04
wsl --import Ubuntu-22.04 d://UbuntuWSL d://UbuntuWSL//ubuntu-22.04.tar

4.成功迁移后，D:\UbuntuWSL内有如下文件：

3.配置cuda和cudnn

在终端选择Ubuntu

1.安装cudatoolkit

打开官网：CUDA Toolkit Archive | NVIDIA Developer

选择要安装的版本

一定要和自己电脑上驱动的版本适配！（可以在NVIDIA官网查看）

在wsl2的终端一步一步复制NVIDIA官方给的命令，如：

一定要确认每一步都没有error，我当时就出现了下载的文件在文件夹中名字变化的错误，若跟我出现一样的错误，请到修改下载的文件名称后在复制第四行指令

2.cuda环境变量配置

sudo nano ~/.bashrc

将以下内容添加进文件最后

export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

按Ctrl+x退出，提出是否更改的提示，输入y。

更新环境变量：

source ~/.bashrc

输入

nvcc -V

若能显示cuda版本，说明安装成功！

3.安装cudnn

在官网下载：cuDNN Archive | NVIDIA Developer

选择linux x86版本

将文件保存到windows环境，然后直接复制到wsl2 ubuntu的home目录下，和在windows环境中复制粘贴一样操作。

在wsl2终端进入home目录，输入以下命令解压：

sudo tar -xvf cudnn**    #省略部分按tab自动补全

然后把解压得到的文件分别拷贝到对应的文件夹（注意，下面命令中的 /lib/和/include/ 指的是刚刚解压得到的文件夹里的）：

（若失败可以检查一下要复制到的目标文件夹是否存在，不存在可以手动新建）

 #以下是安装命令     
cd cudnn** #省略部分按tab自动补全
cd lib/
sudo cp -r /lib/* /usr/local/cuda-12.4（自己检查具体的版本修改路径）/lib64/
cd ..
cd include/
sudo cp -r /include/* /usr/local/cuda-12.4（自己检查具体的版本修改路径）/include/

#为更改读取权限：
sudo chmod a+r /usr/local/cuda-12.4（自己检查具体的版本修改路径）/include/cudnn*
sudo chmod a+r /usr/local/cuda-12.4（自己检查具体的版本修改路径）/lib64/libcudnn*

4.检查cudnn是否安装成功

cat /usr/local/cuda-11.8（根据自己的版本进行修改）include/cudnn_version.h | grep CUDNN_MAJOR -A 2

4.安装anaconda

在官网下载：Free Download | Anaconda

复制链接

在wsl2终端输入

wget https://www.anaconda.com/download#downloads #粘贴的链接

下载后执行

sh A** #省略部分按tab自动补全

创建conda虚拟环境：

 conda create --name ** python=3.10  #--name 后面是创建环境的名字，按自己的习惯命名，python=XX，输入自己想用的版本号
 conda activate ** #激活环境

5.配置pytorch

进入官网：Start Locally | PyTorch

选择版本下载，(注意：要先下载cuda然后才能选择GPU版本的Pytorch下载)

在wsl2终端复制command

5.Pycharm连接wsl，并使用conda生成的环境

注意（只有专业版pycharm才有此功能，若没有，可以去该网站下载Windows11 + WSL Ubuntu + Pycharm + Conda for deeplearning | 公孙启 (gongsunqi.xyz)）

点击右下选择添加新的Interpreter，操作如下图所示：

点击下一步

选择‘现有’，然后配置类似以下目录（自己创建的环境名称可能会与我不同）

稍等片刻，就大功告成！