win10 Linux子系统WSL2+CUDA11.0+ubuntu-tensorflow-pytorch环境配置

1 WIN10下安装WSL2

1.1wsl2系统安装

• 将win10升级到预览版！！！
• 打开“控制面板” -> “程序和功能” -> “打开或关闭 Windows 功能”-> 选中“适用于 Linux 的 Windows 子系统”
• 打开windows商店下载ubuntu18.04或者其他版本
  总的可以分成以上三步，具体参见官网链接 wsl2-win10

1.2 安装自己的一些必须项

sudo apt install gcc g++ make

1.3 /mnt目录下挂载的文件系统默认权限为777的问题

• 把下面automount的选项添加到/etc/wsl.conf文件中

  [automount]
  enabled = true
  root = /mnt/
  options = "metadata,umask=22,fmask=11"
  mountFsTab = false
  

• 在.profile、.bashrc、.zshrc或者其他shell配置文件中重新设置一下umask

  #Fix mkdir command has wrong permissions
  if grep -q Microsoft /proc/version; then
    if [ "$(umask)" == '0000' ]; then
    umask 0022
    fi
  fi
  

1.4 wsl2轻量桌面安装

• sudo apt install xrdp xfce4
• sudo nano ./.xsession,输入xfce4-session保存退出
• sudo nano /etc/xrdp/startwm.sh添加如下两句
  
• 修改以下两处的端口号sudo nano /etc/xrdp/xrdp.ini
  
• 打开远程桌面连接
  

2 NVIDIA驱动安装

为WSL 2安装NVIDIA预览驱动程序-下载地址
执行所下载的455.41_gameready_win10-dch_64bit_international.exe

参考链接installing-nvidia-drivers

3 安装cuda toolkit 10.1

这里官方使用apt install的方式安装cuda-toolkit-11-0，在我这里很慢，我就使用已下载的cuda-10.1的toolkit进行安装（理论上其他toolkit版本的安装方式都一样）
在终端执行sudo bash cuda_10.1.243_418.87.00_linux.run --no-opengl-libs
在弹出的UI中，不选择nvidia-driver，其余都选安装

3.1添加环境，并验证

• sudo nano .bashrc，在末尾添加以下内容：

  export PATH=/usr/local/cuda-10.1/bin:/usr/local/cuda-10.1/nsight-compute-2019.4.0${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  

  source .bashrc

• 重新打开终端，执行：nvcc -V
  

• 打开终端，执行

  cd ~/NVIDIA_CUDA-10.1_Samples/1_Utilities/deviceQuery
  make
  ./deviceQuery
  

  

则toolkit安装完毕。

4.安装cudnn7.6

• 下载对应cudnn版本，官网cudnn7.6
• 解压该文件，tar zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
• 执行：

  sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
  sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
  sudo chmod a+r /usr/local/cuda/include/cudnn.h
  sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
  

• cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  

5 Anaconda安装

• 下载链接 Anaconda-download
• conda换源

     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
     conda config --set show_channel_urls yes
  

• conda create -n tf2 python=3.7
• pip install tensorflow-gpu -i https://pypi.douban.com/simple

至此，所有驱动安装完毕。下面检验tensorflow-gpu是否执行正确，在conda tf2环境下执行>>> tf.test.is_gpu_available()，会显示True。