WSL2 | CUDA + Pytorch配置使用指南
原文链接(阅读体验更好)
安装步骤
1. 安装CUDA (11.7版本)
-
选择合适的CUDA版本
-
本文选择11.7版本是为了和Pytorch版本匹配
-
实际可安装的CUDA版本取决于你的驱动版本!!!**取决于你的驱动版本!!! 取决于你的驱动版本!!!**
-
使用
nvidia-smi
命令查看WSL2中GPU 驱动版本(如果这一步显示找不到这个命令,需要手动安装sudo apt install nvidia-utils-535) -
进入下面链接查看CUDA版本与驱动版本的关系
![](https://img-blog.csdnimg.cn/img_convert/968c99d5a26c363353bf7c8bf6a9ed18.png)
-
-
下载安装CUDA
-
CUDA 11.7下载链接
[https://developer.nvidia.com/cuda-11-7-1-download-archive?target\_os=Linux\&target\_arch=x86\_64\&Distribution=WSL-Ubuntu\&target\_version=2.0\&target\_type=deb\_local](https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Linux\&target_arch=x86_64\&Distribution=WSL-Ubuntu\&target_version=2.0\&target_type=deb_local "https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Linux\&target_arch=x86_64\&Distribution=WSL-Ubuntu\&target_version=2.0\&target_type=deb_local")
- 其他版本的CUDA可以通过点进上面的链接,然后在最上方搜索
CUDA Toolkit [版本号]
得到
- 其他版本的CUDA可以通过点进上面的链接,然后在最上方搜索
2. 添加PATH和头文件路径
CUDA安装过程并不会在系统中添加可执行文件路径和库路径,需要手动添加
-
打开~/.bashrc
sudo vim ~/.bashrc
-
在末尾添加如下命令
# add Path for nvcc, lee, 2023.08.19 export PATH=$PATH:/usr/local/cuda/bin export LD_LIBRARY_PATH=/usr/local/cuda/lib64
-
应用~/.bashrc
source ~/.bashrc
-
输入命令检测CUDA是否安装成功
nvcc -V
预计结果
3. 安装Anaconda3
-
Linux下配置Anaconda
- 参考官网链接进行安装:https://docs.anaconda.com/anaconda/install/linux/
- 如果安装时自定义了安装路径,需要切换到{YOUR_CONDA_PATH},输入以下命令
./conda init
-
禁止每次打开终端时都使能conda
You can also control whether or not your shell has the base environment activated each time it opens ```bash # The base environment is not activated by default conda config --set auto_activate_base False ```
4.在Anaconda3环境中安装Pytorch
-
选择并安装Pytorch
下载页面:https://pytorch.org/get-started/locally/
-
验证Pytorch是否使用CUDA
依次输入以下命令
python import torch # 返回True说明使用CUDA torch.cuda.is_available() # 使用CUDA计算 print(torch.rand((1,1)).cuda())
预期结果
$ python Python 3.8.10 (default, Sep 28 2021, 16:10:42) [GCC 9.3.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> torch.cuda.is_available() True >>> a = torch.rand((1,1)).cuda() >>> print(a) tensor([[0.5631]], device='cuda:0') >>>
5.安装cuDNN(可选)
-
选择cuDNN版本
下载链接:https://developer.nvidia.com/rdp/cudnn-archive
-
安装cuDNN
参考链接:https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html - 1.3.2 Debian Local Installation
# 解压缩文件 tar -xvf [your_download_file.tar.xz] # 拷贝库文件 sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
-
验证cuDNN安装
输入以下命令
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
预期结果
一些额外的操作步骤(根据实际情况确定)
卸载CUDA | Ubuntu 20.04
- 图中的
cuda-xx
中xx表示实际安装的cuda的版本号,需要按照实际情况来确定
切换CUDA版本 | Ubuntu 20.04
最近版本的CUDA使用Deb安装方式好像没法同时安装多个版本
- .bashrc中使用相对路径
/usr/local/cuda
- 切换CUDA版本实际上只需要修改
/usr/local/cuda
链接的路径
4**