windows 部署 mindspore GPU 开发环境（WSL）

基础环境

• windows 环境： Windows 10

  • 版本：22H2
    操作系统版本：22621.2283

• WSL 系统

• 版本：2.2.4.0

  • Ubuntu-20.04

一、自定义位置安装Ubuntu

1. 确保已经安装 WSL
   
2. 在微软应用商店搜索时务必输入全名 Ubuntu20.04，并安装 Ubuntu20.04（注意： 应用商店默认的 Ubuntu 版本号已经更新至 24.04，目前发现，改变24.04的安装位置可能导致虚拟机无法启动）

自定义位置安装过程与C盘安装教程相似。最大区别在于，我们按照 教程 或 官方文档 从微软商店下载Ubuntu之后，不要点击 启动 ，而是要将安装包复制到我们想要的位置，之后 Ubuntu 就会被安装到该位置。具体步骤如下

1.1 确保安装程序已经下载

首先，请按照教程 或 官方文档 从头进行下去，一直到从微软商店下载好 Ubuntu20.04 为止。在从微软商店下载好 Ubuntu20.04 之后，在微软商店显示为 已拥有。

在按照教程复制完安装程序，并且完成 Ubuntu 安装后，我们可以在 开始菜单 -> 右键图标，将这个原始安装包卸载。
注意：现在请不要卸载！

1.2 打开微软商店应用默认安装目录

使用微软商店下载的应用安装包会默认保存在 C:\Program Files\WindowsApps 目录下。

事实上 WindowsApps 文件需要授权才能访问。可以按照如下方式修改用户权限。

1.3 找到Ubuntu安装包的默认下载位置

如果文件夹里面有 ubuntu<版本号>.exe 文件，这就是我们要找的文件夹。

ubuntu<版本号>.exe 就是Ubuntu的安装程序；安装完成后，该程序还可用来启动或访问Ubuntu。

1.4 复制安装包和相关文件到想要的安装位置

如果我们想把 Ubuntu 安装在 E 盘的 ubuntu2004 文件夹下，就得确保这个文件夹存在。如果不存在，就要手动创建：

接着，把 ubuntu<版本号>.exe 安装包所在文件夹下的所有文件复制到你想要安装 Ubuntu 的文件夹。

1.5 运行安装包，安装Ubuntu

打开复制到的文件夹，双击运行 ubuntu<版本号>.exe 即可，等待 ubuntu 系统初始化。初始化完毕后，按照C盘安装教程第8步配置好用户名和密码，完成安装。

如果安装出现了错误可以按照以下思路检查

1. Ubuntu 的版本是否为 20.04 如果不是可以卸载后重新执行 1.1 - 1.5
2. 卸载掉刚刚安装的 WSL Ubuntu 发行版从头开始走一遍教程即可
3. 重走一遍官方文档的 1-5 步

在第一次运行ubuntu<版本号>.exe时，如果出现如下异常情况之一：
“WSL运行状态、开/关机、卸载”一节，卸载掉刚刚安装的WSL Ubuntu发行版（如果卸载时发现刚刚并没有安装成功，则不用卸载），然后从头开始走一遍教程即可。

最终，目录下会多出一个 ext4 的虚拟硬盘文件，它就是Ubuntu WSL2虚拟机挂载的 硬盘。在WSL2 Ubuntu 虚拟机中下载资源、安装软件，都会让这个虚拟硬盘文件变大。

1.6 删除原始安装包和相关文件

正如教程开篇提到的，在开始菜单中可以找到原始安装包的应用图标，右键将其卸载。卸载后Ubuntu从微软商店的已安装列表中消失。

1.7 让Ubuntu快捷启动

二、WSL2 Ubuntu 20.04 使用 NVIDIA CUDA

作为一个虚拟机，WSL2居然可以访问到物理宿主机的GPU设备！！！

微软撰写的为WSL2启用GPU加速的官方文档。
GPU acceleration in WSL | Microsoft Docs

在本节中我们主要介绍 WSL2 Ubuntu 20.04 使用 Nvidia CUDA的操作方法，遵循NVIDIA公司给出的官方教程：

CUDA on WSL :: CUDA Toolkit Documentation (nvidia.com)

在对应主机上安装对应版本的显卡驱动，依次选择 显卡类型、显卡型号，找到对应版本的驱动，下载安装，并重启主机
驱动下载地址

安装完成后，使用 nvidia-smi.exe 检测显卡版本

2.1 WSL2 Ubuntu安装NVIDIA CUDA工具包

WSL 安装 cuda 方法的 网址 ，具体信息如下。

# cuda 版本选择
# 大版本号，如 11
export CUDA_MAJOR=11
# 小版本号，如 6
export CUDA_MINOR=6

# 选择 network 的安装模式
sudo dpkg -i cuda-repo-wsl-ubuntu-${CUDA_MAJOR}-${CUDA_MINOR}-local_${CUDA_MAJOR}.${CUDA_MINOR}.0-1_amd64.deb
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-11-6

# 创建环境变量
ls /usr/local/cuda
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

2.2 安装cuDNN

完成CUDA的安装后，在 cuDNN页面 登录并下载对应的cuDNN安装包。如果之前安装了CUDA 10.1，下载配套CUDA 10.1的cuDNN v7.6.x；如果之前安装了CUDA 11.1，下载配套CUDA 11.1的 cuDNN v8.0.x；如果之前安装了CUDA 11.6，下载配套CUDA 11.6的cuDNN v8.5.x。注意下载后缀名为 tgz 的压缩包。假设下载的 cuDNN 包名为 cudnn.tgz，安装的 CUDA 版本为11.6，执行以下命令安装cuDNN。

tar -zxvf cudnn.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.6/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.6/lib64
sudo chmod a+r /usr/local/cuda-11.6/include/cudnn*.h /usr/local/cuda-11.6/lib64/libcudnn*

如果之前安装了其他CUDA版本或者CUDA安装路径不同，只需替换上述命令中的/usr/local/cuda-11.6为当前安装的CUDA路径。

三、创建python环境

conda create -n mindspore python=3.9
conda activate mindspore

conda install mindspore=2.2.14 -c mindspore -c conda-forge

import numpy as np
import mindspore as ms
import mindspore.ops as ops

ms.set_context(device_target="GPU")
x = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = ms.Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))