win11的ubuntu子系统 WSL2 下配置cuda、cudnn、GPU pytorch环境

离墨猫

已于 2022-02-07 11:05:55 修改

阅读量1.1w

点赞数 5

分类专栏：深度学习基础开发环境配置文章标签： ubuntu pytorch 深度学习

于 2022-02-07 10:50:12 首次发布

本文链接：https://blog.csdn.net/syz201558503103/article/details/122800423

版权

开发环境配置同时被 2 个专栏收录

42 篇文章

订阅专栏

深度学习基础

4 篇文章

订阅专栏

1.安装、卸载Ubuntu子系统

安装：https://zhuanlan.zhihu.com/p/76032647
后面的图形化界面，可以不用安装。可以使用ssh：
参考：https://www.jianshu.com/p/79b2a7916cfd
【注意】：在每次用子系统时，用

sudo service ssh restart

重启SSH服务。

卸载：https://blog.csdn.net/zhezhebie/article/details/102646909

子系统安装

2.安装cuda、cudnn环境

参考：https://blog.csdn.net/weixin_44029053/article/details/119480776

2.1安装cuda on wsl驱动到宿主Windows系统

官网：https://developer.nvidia.com/cuda/wsl/download
在这里插入图片描述

选第一个【GEFORCE DRIVER】安装，因为你的显卡一般是GEFORCE游戏显卡。

2.2安装cuda sdk

换源安装cuda-toolkit：

sudo apt-key adv --fetch-keys https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo sh -c ‘echo “deb https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/” > /etc/apt/sources.list.d/cuda.list’
sudo apt-get install -y cuda-toolkit-11-1

2.3设置cuda环境变量

sudo vi ~/.bashrc

在这里插入图片描述
如果出现，按 “E”
用vim的方式，进入.bashrc文件
按 “i” 进去插入模式，在文件末尾加上：

export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

按 “ESC” 推出插入模式，“:wq” 保存并退出vim。
输出如下命令，立即生效。

source ~/.bashrc

如果命令没有找到，可以关闭会话，从新打开子系统会话。

2.4更新库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.5查看cuda是否安装成功

nvcc -V

如果还是没有显示版本，退出会话，重新打开Ubuntu子系统，再试一下。
显示下面的内容，表示安装成功：
在这里插入图片描述
如果还是不行，那就重新安装cuda，把2.2的步骤换为如下：
备选方案安装sdk，默认cuda 10.1：

sudo apt install nvidia-cuda-toolkit

2.6安装cudnn

官网：https://developer.nvidia.com/rdp/cudnn-archive
安装cudnn的时候也需要登录Nvidia账号，我下载的如下版本：

在这里插入图片描述
我将文件保存到：

D:\DW

注意，这个路径跟下面的操作有关，（这里的存放路径，原则上必须在子系统里下载安装，但是实际上，和你之前设置的有关）：在这里插入图片描述

cd /mnt/d/DW

这里的mnt表示子系统挂靠的位置，d表示d盘，DW表示文件夹，根据上一步的路径，自己更改：
在这里插入图片描述
在子系统命令行里安装：

ar -zxvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include/

为所有用户设置读取权限：

sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h
sudo chmod a+r /usr/local/cuda-11.1/lib64/libcudnn*

2.7验证cuda是否安装成功

cd /usr/local/cuda/samples/4_Finance/BlackScholes
sudo make

耐心等待编译…
完事后再输入：

./BlackScholes

出现Test passed说明安装成功。

2.2卸载cuda

如果安装不成功，或者不是自己需要的版本，可以卸载之后重新安装：
参考：https://blog.csdn.net/qq_42518956/article/details/108358254
低版本cuda：

 
 cd  /usr/local/cuda/bin
 sudo ./uninstall_cuda_x.x.pl 
 或
 sudo ./cuda-uninstaller

高版本的cuda没有这个文件（拿cuda 11.1举例）所以：

sudo apt-get remove cuda
sudo apt autoremove 
sudo apt-get remove cuda*

然后切换到CUDA所在目录：

cd /usr/local/

输入命令：

sudo dpkg -l |grep cuda

可以看到，还有很多cuda11.1的包，将这些包逐一删除：

sudo dpkg -P cuda-toolkit-11-0(包名)

一个一个对应删除，因为系统不让使用cuda*直接全部删除，这些都完事，就可以正常安装了
在这里插入图片描述

3.安装Miniconda、pytorch环境

按照这个博客：https://blog.csdn.net/weixin_44029053/article/details/119480776

4.测试

python
import torch
x=torch.rand(5,3)
print(x)
print(torch.cuda.is_available())

如果显示True，表示成功安装GPU版本pytorch