1.wsl2安装
Windows下linux虚拟机gpu显卡虚拟化_windows下linux虚拟机共享gpu显卡-CSDN博客
2.安装CUDA
2.1windows下安装CUDA
TensorFlow_GPU安装流程_tensorflow gpu版本安装-CSDN博客
2.2ubuntu下验证
WSL2-Ubuntu Pytorch深度学习开发环境搭建_wsl如何使用pytorch-CSDN博客
更新软件包信息并将已安装的软件包升级到它们的最新版本
sudo apt update && sudo apt upgrade
查看NVIDIA GPU相关信息
nvidia-smi
安装CUDA所需的基本依赖
sudo apt install build-essential
验证系统安装的gcc版本
gcc --version
3.安装CUDA Toolkit
CUDA Toolkit 11.8 Downloads | NVIDIA Developer
注意:要选择runfile(local)
其他版本:CUDA Toolkit Archive | NVIDIA Developer
复制指令安装
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
查看安装在/usr/local/cuda目录下的CUDA
ls /usr/local/cuda
**/usr/local/cuda/bin/**包含了CUDA的可执行文件,例如编译器nvcc和其他的CUDA工具。
**/usr/local/cuda/include/**包含了CUDA的头文件,这些头文件定义了CUDA库和API的接口。
**/usr/local/cuda/lib64/**包含了CUDA库文件,这些库文件是用于链接CUDA程序的。
原文链接:WSL2-Ubuntu Pytorch深度学习开发环境搭建_wsl如何使用pytorch-CSDN博客
配置环境变量
编辑Bash Shell配置文件,进行环境变量的设置
vim ~/.bashrc
按 i 键进入插入模式,在文件的末尾添加下面两行语句
export PATH=/usr/local/cuda/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
按Ecs键返回命令模型,输入以下命令保存文件并退出vim
:wq
重新加载配置文件,使环境变量生效
source ~/.bashrc
4.验证CUDA的安装
WSL2-Ubuntu Pytorch深度学习开发环境搭建_wsl如何使用pytorch-CSDN博客
查看NVIDIA CUDA编译器的版本信息
nvcc -V
运行NVIDIA CUDA Toolkit提供的示例程序
bandwidthTest是NVIDIA CUDA Toolkit提供的一个用于测试GPU内存带宽的工具。
deviceQuery是NVIDIA CUDA Toolkit提供的一个用于查询和显示GPU设备详细信息的工具。
vectorAdd是NVIDIA CUDA Toolkit提供的一个并行向量加法的示例程序。
/usr/local/cuda/extras/demo_suite/bandwidthTest
/usr/local/cuda/extras/demo_suite/deviceQuery
/usr/local/cuda/extras/demo_suite/vectorAdd
5.安装CUDNN
在Windows中下载适用于相应CUDA版本的cuDNN
cuDNN Archive | NVIDIA Developer
将下载好的cudnn tar文件移动到Linux目录下
cp /mnt/x/xxxx/cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz Linux目录
解压cuDNN包
tar -xvf cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz
将cuDNN安装路径下的cuDNN头文件和库文件复制到CUDA toolkit的目录中,并赋予所有用户对 cuDNN 头文件和库文件的读取权限
cd cudnn-linux-x86_64-8.9.6.50_cuda12-archive
sudo cp include/cudnn*.h /usr/local/cuda/include
sudo cp -P lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
至此CUDA和cuDNN安装完成。
6.安装Anaconda
原文链接:【AI】WSL安装Anaconda_wsl 安装anaconda-CSDN博客
6.1下载
直接在wsl中执行wget命令下载,具体的版本可根据自己需求选择;
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh
6.2安装
bash Anaconda3-2023.09-0-Linux-x86_64.sh
然后一路yes操作就好了,默认的安装路径是/root/anaconda3
6.3配置conda命令
安装完成之后输入conda命令,报错command not found,应该是没有将anaconda的安装路径放入环境变量中,执行下面命令进行添加
vim ~/.bashrc
export PATH=$PATH:/root/anaconda3/bin # export PATH=$PATH:【你的安装目录】
source ~/.bashrc
7.安装Pytorch
7.1创建虚拟环境
修改权限:
sudo chmod a+w .conda
创建虚拟环境:
conda create -n pytorch-gpu python=3.8
查看虚拟环境列表
conda env list
进入虚拟环境:
Conda activate pytorch-gpu
7.2安装
进入Pytorch官网选择对应版本PyTorch
7.3验证
# 检查 PyTorch 是否正确安装并与 GPU 兼容
python
import torch
print(torch.cuda.is_available())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name(0))
验证成功如下: