Windows通过WSL安装Ubuntu以及深度学习配置

Walker@Bruce Lee

已于 2023-12-19 19:52:53 修改

阅读量2.4k

点赞数 19

文章标签： windows ubuntu python

于 2023-12-14 12:54:58 首次发布

本文链接：https://blog.csdn.net/qq_40102732/article/details/134992151

版权

一、Windows上装Ubuntu

三种方式：

虚拟机如VM-WARE、VITRUAL-BOX-->不稳定，使用gpu不方便
双系统-->分配内存，与windows界面分离，只能单独使用linux
WSL(Windows Subsystem for Linux)--->适用于Linux的windows子系统
- 同时使用windows与linux
- 还可以在linux中使用windows上的gpu
- 可以很方便的分配在一个合适的硬盘内存中，不需要借助其他软件进行分配

本文选择WSL来装Ubuntu

安装

目前win11安装很方便，最简单的方式为下面一个命令

打开win上的PowerShell 或 Windows 命令提示符，方法是右键单击并选择“以管理员身份运行”,输入：
```
wsl --install
```

此命令将启用运行 WSL 并安装 Linux 的 Ubuntu 发行版所需的功能。注意：

上述命令仅在完全未安装 WSL 时才有效
会将ubuntu安装在默认的c盘里面，后续的所有操作都会存在c盘中占用系统内存
将WSL2设置为默认值，WSL1是老版本的，新的windows现在基本上都是WSL2

安装成功后会在开始程序上拥有一个Ubuntu的程序，双击打开后会进入ubuntu的终端，编辑用户名和隐藏的密码

不建议使用默认安装，如果想要安装在win上其他盘中，并选定对应版本的linux，需要进行以下操作，比较推荐

如果你此前通过以上方式或其他方式安装了ubuntu，想要卸载重新安装，则注销代码如下：
```
wsl --unregister Ubuntu
```

上述代码的“Ubuntu”为你安装的Ubuntu名称，例如安装了Ubuntu 20.04，就进行替换即可。

查看Ubuntu发行版本，选择你想安装的Ubuntu版本,wsl.exe也可以写成wsl
```
wsl.exe --list --online
```
比如选择安装Ubunru-20.04进行安装
```
wsl.exe --install Ubuntu-20.04
```
注意上述安装在c盘，我们对其导出打包为tar文件，将其放在E盘的一个文件夹下
```
wsl --export Ubuntu-20.04 e:\wsl-ubuntu20.04.tar
```

接下来注销原来c盘的Ubuntu20.04,并解压包文件安装在e盘

wsl --unregister Ubuntu-20.04  # 注销
wsl --import Ubuntu-20.04 e:\wsl-ubuntu20.04 e:\wsl-ubuntu20.04.tar --version 2

设置默认登陆用户名

ubuntu2004 config --default-user "your name"

登录ubuntu20.04，设置密码

wsl.exe --user root  # 以root权限登录ubuntu
passwd root          # 进入ubuntu命令终端后，输入passwd root修改密码

至此，ubuntu安装完毕，接下来是一些ubuntu上的使用操作了,安装完成后会在windows上呈现出如下形式，代表安装成功

二、安装anaconda配置深度学习环境

2.1 安装anaconda

选择清华源下载:Index of /,这里我们本地windows下载好了anaconda，将其复制到ubuntu 20.04 home文件夹的用户下，我的在新建的downloads文件夹下，即Anaconda3-2023.09-0-Linux-x86_64.sh：

安装命令：
```
sh Anaconda3-2023.09-0-Linux-x86_64.sh
```
一直点击enter键但注意，不要后面不要太快，要求你是否接受他的license,要填yes，如果没在这里停顿一直enter下去，会因为no而没有安装成功，安装成功后，需要添加系统路径，否则不能使用conda命令
```
vim ~/.bashrc     # 修改配置文件,添加anaconda系统路径
export PATH=$PATH:/home/用户名/anaconda3/bin  # 这里的路径根据你的anaconda位置进行设置
```

填写完毕后按esc，进入命令模式再按:wq进行保存，退出进入ubuntu命令终端，输入：

source ~/.bashrc

此时重启ubuntu后，就会在ubuntu命令左边出现base，则anaconda安装和配置成功

换源

ubuntu apt安装换源

sudo vim /etc/apt/source.list
# 添加以下内容并保存
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
# 更新源:
sudo apt-get update

pip换源

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda换源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

2.2 pytorch环境深度学习配置

如果windows上有nvidia gpu就可以直接进行pytorch的gpu安装

输入nvidia-smi查看是否有

anaconda创建pytorch新环境， python版本根据自己的来
```
conda create -n pytorch python=3.9 
```
安装成功后激活
```
conda activate pytorch
```
去该网址下与自己cuda、python版本对应的torch、torchvision与torchaudio,注意cuda向下兼容

注意到三者的版本必须兼容，需要在pytorch github对应的网址上去查看版本对应，这里我们直接下载cu15对应的三个whl文件
- pytorch whl文件下载地址: https://download.pytorch.org/whl/torch_stable.html
- torch-1.11.0+cu115-cp39-cp39-linux_x86_64.whl
- torchaudio-0.11.0+cu115-cp39-cp39-linux_x86_64.whl
- torchvision-0.12.0+cu115-cp39-cp39-linux_x86_64.whl

然后通过pip安装

pip install torch-1.11.0+cu115-cp39-cp39-linux_x86_64.whl
pip install torchaudio-0.11.0+cu115-cp39-cp39-linux_x86_64.whl
pip install torchvision-0.12.0+cu115-cp39-cp39-linux_x86_64.whl

nvcc与cudann的安装本文不做介绍，后续只需要在ubuntu上进行安装即可

三、Vscode与Pycharm连接WSL的Ubuntu

Vscode

安装SSH后，只需要点击Vscode左下方的远程连接符号，并点解本地WSL进行连接即可自动连接Ubuntu

Pycharm

只需要按照之前windows一样创建项目，比如选择文件夹时，选择Ubuntu对应的项目文件夹（因为Ubuntu是子系统所以可以直接选择），然后点击设置里的项目选择ubuntu里的python环境解释器即可

四、WSL-ubuntu安装CUDA、CUDNN

系统环境

GPU-->RTX3070-->8G
Nvidia-Driver-->511.81
CUDA-->11.6
anaconda environment name: pytorch
python 3.9
pytorch-->1.11.0+cu115

安装依赖：gcc、g++, cmake

sudo apt install gcc g++ cmake make -y

安装CUDA

英伟达提供的WSL安装CUDA网址:https://docs.nvidia.com/cuda/wsl-user-guide/index.html

安装CUDA Toolkit for wsl

首先，运行如下命令：(一定要运行否则会报错)

sudo apt-key del 7fa2af80

必须选择WSL-Ubuntu不能单独安装ubuntu的

安装网址：https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local

选择版本后会出现安装命令依次执行

安装成功后会在ubunu /usr/loacl文件下出现关于你安装的cuda版本的文件夹（没安装之前是没有的，这个cuda版本与你的nvidia-smi显示的cuda版本是一致，可以认为，它默认是根据你windows上的cuda版本进行配置的

/usr/local/cuda/bin/目录下存放着CUDA相关的二进制工具程序，如CUDA编译器nvcc。下面我们会将这个目录加入系统PATH变量中。
/usr/local/cuda/include/目录下存放着CUDA库的头文件。如果将来在编译CUDA相关代码时报错找不到头文件，那需要手动指定在该目录下搜索头文件。
/usr/local/cuda/lib64/目录下存放着CUDA的工具库，下面我们会将其加入GCC库搜寻目录变量LD_LIBRARY_PATH中。
此外，/usr/lib/wsl/lib/目录下还存放着libcuda.so等库，下面我们会将其加入GCC库搜寻目录变量LD_LIBRARY_PATH中

添加系统环境变量

sudo touch /etc/profile.d/cuda.sh
echo'export PATH=/usr/local/cuda/bin/:$PATH' | sudo tee -a /etc/profile.d/cuda.sh
echo'export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:/usr/lib/wsl/lib/:$LD_LIBRARY_PATH' | sudo tee -a /etc/profile.d/cuda.sh

此时关闭ubuntu终端重新打开输入nvcc -V，显示如下信息表示安装成功

安装CuDNN

若需要卸载cuda,运行如下命令

sudo apt remove cuda-版本号（如cuda-11-6)
sudo rm -f /etc/profile.d/cuda.sh # 删除cuda相关环境变量

安装不同的cuda

从头安装cuda版本工具包
sudo update-alternatives --query cuda # 查找当前系统所有的cuda包
sudo update-alternatives --config cuda # 设置当前系统默认使用的cuda包

明确需要安装的cudnn的版本号

下载网址：https://developer.nvidia.com/rdp/cudnn-download

deb：下载ubuntu20.04对应cuda11.x的cudnn deb文件
cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
安装： sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
报错后按要求执行sudo cp /var/cudnn-local-repo-ubuntu2004-8.9.7.29/cudnn-local-CD2C2DD4-keyring.gpg /usr/share/keyrings/
再执行sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
安装完成后执行:sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrin
更新apt源：sudo apt update
查看cuDNN安装包仓库中包含的cuDNN深度学习库有哪些版本:sudo apt list libcudnn*

libcudnn8包主要包含cuDNN的动态库（.so文件），不包含头文件与静态库（.a文件）。如果你只需要动态链接cuDNN，安装这个包就够了。
libcudnn8-dev包主要包含cuDNN的动态库、头文件和静态库。如果你需要用到cuDNN的头文件，或需要动态/静态链接到cuDNN，那请使用这个包。
libcudnn8-samples包只包含cuDNN的示例代码和文档，不包含任何cuDNN库。只安装这个包是无法使用cuDNN的。

安装libcudnn8-dev与libcudnn8-samples包：

sudo apt install libcudnn8-dev libcudnn8-samples

简单地检查一下cuDNN的动态库文件是否安装到位：

readelf -d /usr/lib/x86_64-linux-gnu/libcudnn.so | grep SONAME

以上就是wsl Ubuntu 的cuda与cudnn的安装教程，亲测可行