windows11+wsl2+ubuntu+cuda+cudnn+vscode+pytorch深度学习环境解决方案

这是一篇关于windows11的深度学习环境解决方案,如果你的电脑是win10系统,建议升级到最新版的win10,或直接安装windows11,官网地址:https://www.microsoft.com/zh-cn/software-download/windows11

  • 首先深度学习为什么要使用linux,这是知乎给的答案:https://www.zhihu.com/question/263666539
  • 为什么使用wsl2
    • WSL是适用于Linux的Windows子系统,可让开发人员按原样运行GNU/Linux环境-包括大多数命令行工具、实用工具和应用程序-且不会产生传统虚拟机或双启动设置开销。
    • WSL2相对WSL1提高文件系统性能,且支持全系统调用兼容性。WSL 2 使用最新、最伟大的虚拟化技术在轻量级实用程序虚拟机 (VM) 中运行 Linux 内核。但是,WSL 2 不是传统的 VM 体验。
    • 最重要的是不用装双系统,也能得到很好的GPU训练体验!

wsl2安装

Microsoft英文版文档网址:https://docs.microsoft.com/en-us/windows/wsl/install-manual官网已经介绍的很详细了,总结就是以下几步操作。

  1. 用管理员身份打开PowerShell.(打开方法见视频),然后在PowerShell中,输入下面的命令。
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
  1. 启动虚拟机给功能。同样在PoweShell中输入下面的命令。输入完命令后,要重启一下电脑,然后再进行第三步。
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
  1. 下载Linux内核更新包。下载地址:https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi

  2. 将WSL2设置为默认版本。打开 PowerShell,然后在安装新的 Linux 发行版时运行以下命令,将 WSL 2 设置为默认版本,命令如下。

wsl --set-default-version 2

安装您选择的 Linux 发行版

打开Microsoft Store并选择您喜欢的 Linux 发行版。
本文使用的是Ubuntu 20.04 LTS直接点击安装即可,windows11做了优化下载速度也很快。

在这里插入图片描述
安装完成后,就可以使用了。如果是首次进入需要你设置用户名和密码。当进入系统后,可以使用下面的命令来查看当前Ubuntu的版本。

wslfetch

在这里插入图片描述

安装图形桌面系统(非必要)

windows显卡驱动安装

!!!在windows上安装适配wsl的显卡驱动(以前安装驱动了的也要安装,会覆盖原来的),安装网址:
https://developer.nvidia.com/cuda/wsl/download
在这里插入图片描述
在 windows 的cmd命令行中输入nvidia-smi有显卡信息说明安装成功。
在这里插入图片描述

在 ubuntu 中安装 cuda toolkit

  1. 在ubuntu的命令行中依次输入以下四句命令。(这些命令是官网中“Setting up CUDA Toolkit”部分的教程)
    注意:命令中的11-1根据需要版本的不同自行调整(见上面的注意)。例如:安装11.0只需要把后续的11-1改为11-0即可。
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list'
sudo apt-get update
sudo apt-get install -y cuda-toolkit-11-1
  1. 第一步完成且没有错误之后,配置环境变量,在ubuntu的命令行中输入,
sudo gedit ~/.bashrc
  1. 在打开的文件中,按i进入编辑模式,并在文件最底部添加:
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}}
  1. 保存并退出,回到ubuntu命令行,输入
source ~/.bashrc

验证: 在ubuntu 命令行中输入 nvcc -V ,能够输出 cuda toolkit 信息即可。(如上所述,这里看到的是“运行时版本”)

在 ubuntu 中安装 cudnn

下载后得到的文件夹是cudnn-11.2-linux-x64-v8.1.0.77.arj,这里后缀名是arj,原因不详(我是在Windows下载的),但是可以直接把后缀改成tgz,之后移动到Ubuntu对应的文件夹(Windows的盘符比如说D盘在WSL-Ubuntu里面就是/mnt/d/),移动到Ubuntu的里面(此处我移动到了Ubuntu的Downloads文件夹,以下操作也是在Downloads文件夹下进行操作)就可以进行Cudnn文件的安装(其实是复制):

tar -zxvf cudnn-11.2-linux-x64-v8.1.0.77.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64/
sudo cp /usr/local/cuda-11.1/lib64/libcusolver.so.11 /usr/local/cuda-11.1/lib64/libcusolver.so.10
sudo chmod +x /usr/local/cuda/include/cudnn.h
sudo chmod +x /usr/local/cuda/lib64/libcudnn*

未完,之后更新…

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 要在WSL中安装深度学习环境,可以按照以下步骤进行操作。 1. 首先,确保已经安装了WSL并选择了适合您的Linux发行版,如Ubuntu。 2. 打开WSL终端并运行以下命令,更新系统软件包列表: ``` sudo apt update ``` 3. 安装必要的依赖项,包括Python和pip: ``` sudo apt install python3 python3-pip ``` 4. 安装所需的深度学习库,如TensorFlow或PyTorch。可以使用pip命令来安装它们,例如: ``` pip3 install tensorflow ``` 5. 根据需要,您还可以安装其他深度学习库和工具,如Keras、Scikit-learn等: ``` pip3 install keras scikit-learn ``` 6. 可能需要安装GPU的相关驱动程序和CUDA工具包,以便在WSL中进行GPU加速的深度学习任务。这可能需要更多的配置和步骤,因为WSL并不原生支持CUDA,但是可以通过一些额外的工具和补丁来实现。 请注意,WSL在很大程度上是用于开发目的,而不是用于性能要求较高的深度学习任务。如果您需要更高性能的环境,建议直接在宿主系统上安装深度学习环境,而不是使用WSL。 希望以上步骤对于在WSL中安装深度学习环境有所帮助。 ### 回答2: 要在WSL上安装深度学习环境,首先需要安装WSL,并选择适合的发行版,如Ubuntu。安装完成后,可以使用WSL的命令行界面进行操作。 在WSL上安装深度学习环境一般分为以下步骤: 1. 更新系统:使用命令sudo apt update && sudo apt upgrade来更新WSL的系统软件和库。 2. 安装必要的工具:安装一些必要的工具和软件包,如wget、curl等,以便后续的操作。 3. 安装Python:深度学习环境通常需要使用Python作为编程语言,可以通过sudo apt install python来安装Python。 4. 安装pip:Pip是一个Python的包管理工具,使用命令sudo apt install python3-pip来安装pip。 5. 安装深度学习框架:有多种深度学习框架可供选择,如TensorFlow、PyTorch等。可以使用pip安装这些框架,例如使用pip install tensorflow来安装TensorFlow。 6. 安装GPU支持(可选):如果使用GPU进行深度学习训练,还需要安装相应的GPU驱动和CUDA库。具体安装步骤可以参考相应的GPU厂商文档。 7. 安装其他依赖库:深度学习环境通常还依赖于其他的库和软件包,可以使用pip安装这些依赖库。 安装深度学习环境可能会涉及到很多细节和配置,具体操作要根据具体环境和需求来确定。此外,还可以通过WSL启动一个图形界面,以方便使用深度学习工具和编辑器。在图形界面中,可以更方便地进行代码编写、调试和可视化等操作。 总之,在WSL上安装深度学习环境需要经过一系列的准备和安装步骤,可以根据具体需求和环境按照以上步骤进行操作。 ### 回答3: 要在WSL上安装深度学习环境,可以按照以下步骤进行操作: 1. 安装WSL:在Windows系统上,可以通过Microsoft Store或者官方网站下载安装WSL。选择合适的Linux发行版,如Ubuntu。 2. 启动WSL:安装完成后,可以在Windows菜单中找到WSL并打开命令行终端。 3. 更新系统:在WSL终端中,使用以下命令更新系统软件包和依赖项: ``` sudo apt update sudo apt upgrade ``` 4. 安装Python和pip:为了使用深度学习框架,需要先安装Python和pip。在WSL中使用以下命令进行安装: ``` sudo apt install python3 python3-pip ``` 5. 安装深度学习库:根据需要选择深度学习框架(如TensorFlow、PyTorch等),并使用pip命令安装相应的库。例如,安装TensorFlow和Keras可以使用以下命令: ``` pip3 install tensorflow pip3 install keras ``` 6. 安装GPU驱动(可选):如果你的系统有NVIDIA GPU并且想要使用GPU加速深度学习训练,可以在WSL中安装相应的GPU驱动和CUDA工具包。具体安装过程较为复杂,建议参考相关文档或教程进行操作。 以上步骤是在WSL上安装深度学习环境的大致流程。根据不同的需求和情况,可能会有一些额外的步骤或配置,建议参考相关文档或教程进行更详细的指导。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值