WSL下Ubuntu20.04环境配置（Anaconda、Pytorch、CUDA安装）与项目运行

（一） WSL+Ubuntu20.04安装

1. 搜索 Windows PowerShell，用管理员权限打开，执行 wsl --install 指令下载 wsl。
2. 在 Microsoft Store 中下载 Ubuntu20.04。
3. 下载完 Ubuntu 后直接打开会出现问题，需要先下载内核：https://aka.ms/wsl2kernel，下载完成后双击安装即可。
4. 安装好内核后再打开 Ubuntu，可以设置用户名和密码。（只接受包含小写字母、数字和特定字符的 UNIX 用户名，输入密码时切换成英文输入法）

（二）Ananconda安装

2.1 wegt命令下载

官方网站下载：wget https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh

下载后保存地址为\\wsl.localhost\Ubuntu-20.04\home\xql0204，后续安装完成可删除。

2.2 安装

使用bash命令安装Anaconda，bash指令后面 -p 指定anaconda3安装路径。

sudo bash Anaconda3-2023.03-1-Linux-x86_64.sh -p /usr/local/anaconda3

本次Anaconda3安装位置为\\wsl.localhost\Ubuntu-20.04\usr\local，安装过程中全部选择yes或者按Enter。

2.3 删除安装包（可选）

回到主目录(\\wsl.localhost\Ubuntu-20.04\home\xql0204)，运行： rm Anaconda3-2023.03-1-Linux-x86_64.sh。

2.4 环境激活与创建

cd /usr/local/anaconda3 #进入Ananconda安装目录
source bin/activate     #激活base环境
conda create -n pp python=3.7 #创建名为pp的python3.7环境（软链接保存在/home/xql0204/.conda/envs/pp）
conda activate pp # 激活环境

如果想要退出或删除环境，可以执行如下命令：

conda deactivate #退出当前环境
conda remove --pp --all #删除名为pp的虚拟环境

（三）CUDA安装与配置

3.1 CUDA安装

选择版本安装11.3，点进对应cuda toolkit版本选择的网址:CUDA Toolkit Archive | NVIDIA Developer，选择对应版本下载（注意选择WSL版）,如下：

在Ubuntu终端按顺序执行指令：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda-repo-wsl-ubuntu-11-3-local_11.3.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-3-local_11.3.1-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-3-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

3.2 CUDA验证与配置

安装成功后会在ubuntu/usr/loacl文件下出现关于安装的cuda版本的文件夹，如下：

• 系统环境配置：

# 直接在终端运行
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
 
# 运行vim ~/.bsahrc，在文件末尾增加以下代码，保存后运行source ~/.bashrc
export PAHT=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-11.3

• 命令验证: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

nvcc -V

（四）Pytorch安装

4.1 Pytorch安装

进入Pytorch官网（https://pytorch.org/get-started/previous-versions/），选择自己想要的Pytorch与CUDA版本，运行相关指令：

#安装了与 CUDA11.1 兼容的 Pytorch1.8
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c nvidia

Note:在pp这个虚拟环境下执行命令，相关依赖包会被安装在\wsl.localhost\Ubuntu-20.04\home\xql0204.conda\envs\pp下。

如果想知道自己显卡版本对应CUDA版本可以前往（https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html）查看，理论上可以安装低版本CUDA。

4.2 验证

# 检查 PyTorch 是否正确安装并与 GPU 兼容
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：

（五）项目导入与运行

5.1 项目导入

cp -r /mnt/d/PointPainting-notes /home/xql0204/ #将D盘文件复制到Ubuntu中

5.2 VSCode远程运行

在VSCode中安装WSL插件，点击左下角WSL，链接到WSL，打开项目文件夹。新建终端，cd到所在目录，即可开始编译。