WSL2 | CUDA + Pytorch配置使用指南

WSL2 | CUDA + Pytorch配置使用指南

原文链接（阅读体验更好）

WSL2 | CUDA + Pytorch配置使用指南

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://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions__table-cuda-toolkit-driver-versions

    ![](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
    

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**