深度学习环境配置（win11 + WSL2 + Ubuntu）

由于更换4060ti 16g新显卡，在本地配置深度学习环境。

1. WSL

管理员模式打开windows终端，输入：

wsl --install

此命令会启用 WSL 并安装 Ubuntu 发行版 Linux。通过 wsl -l -o 可以查看所有 Linux 的发行版：

通过wsl新安装的Linux默认是 WSL2 

进入wsl也很简单，如下：

但出现上述警告，解决办法如下：

在Windows中的C:\Users\<your_username>目录下创建一个.wslconfig文件，然后在文件中写入如下内容

[experimental]
autoMemoryReclaim=gradual  
networkingMode=mirrored
dnsTunneling=true
firewall=true
autoProxy=true

然后关闭wsl，命令是 

wsl --shutdown

重新进入wsl，提示就消失了

后又出现下图问题：

只需输入下面代码

touch ~/.sudo_as_admin_successful

至此成功进入Ubuntu命令行

在Ubuntu中输入如下命令安装必要的系统依赖：

sudo apt-get update
sudo apt install gcc

由于本人科学上网，因此未配置国内源（）

推荐安装zsh && Oh My Zsh

教程如下：

Oh My Zsh, 『 安装 & 配置 』 - 知乎 (zhihu.com)

2. 显卡驱动

windows已经装完驱动了，现在分别试一下在windows和Ubuntu下的nvidia-smi命令是否有用。

Ubuntu：

Windows

驱动版本略有不同，但不影响什么

3. CUDA && cuDNN

建议自己去官网查，我下的12.3，命令是：

wget https://developer.download.nvidia.com/compute/cuda/12.3.1/local_installers/cuda_12.3.1_545.23.08_linux.run
sudo sh cuda_12.3.1_545.23.08_linux.run

安装包还是挺大的，得下10多分钟

我只安装了 Toolkit，其他都没选

安装后，将如下内容添加到 ~/.bashrc 文件尾部：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

通过 source ~/.bashrc 或 source ~/.zshrc 使路径立即生效。输入 nvcc -V 查看 CUDA 编译器驱动版本：

cuDNN安装也一样，但是版本得和上面的Toolkit匹配

下载完毕后运行如下命令进行解压：

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz

运行如下命令将其移动到CUDA目录：

sudo mv cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo mv -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. Python 虚拟环境

WSL2 自带Python 3.10，只需创建虚拟环境即可

sudo apt install python3.10-venv
mkdir ~/sdk
python3.10 -m venv ~/sdk/python310
source ~/sdk/python310/bin/activate

python虚拟环境管理见 python多环境管理（venv与virtualenv） - doublexi - 博客园 (cnblogs.com)

5. Pytorch

pip3 install torch torchvision torchaudio