WSL2 Ubuntu20.04 配置 CUDA
# 前言
本文主要讲解如何在 Widnows 11 环境下的 WSL2(Ubuntu20.04)配置 CUDA 来启用 GPU 加速(本文默认您已经在 Windows 上安装完成 Nvidia CUDA)
# 配置流程
# 检查驱动
打开 GeForce Experience 检查驱动程序的情况,需要更新到最新版,最后重启 GeForce Experience。
# 安装 CUDA
# 命令生成
生成安装命令
选择版本:CUDA Toolkit Archive | NVIDIA Developer (opens new window)
安装工具:CUDA Toolkit 12.2 Update 1 Downloads | NVIDIA Developer (opens new window)
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/12.2.1/local_installers/cuda-repo-wsl-ubuntu-12-2-local_12.2.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-2-local_12.2.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda
2
3
4
5
6
7
问题:dpkg: unrecoverable fatal error, aborting: unknown system user 'redis' in statoverride file;
vim /var/lib/dpkg/statoverride
root crontab 2755 /usr/bin/crontab
root root 1733 /var/lib/php/sessions
root messagebus 4754 /usr/lib/dbus-1.0/dbus-daemon-launch-helper
redis redis 640 /etc/redis/redis.conf
2
3
4
删除掉最后一行即可
# 配置环境
vim ~/.zshrc
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PAT
source ~/.zshrc
2
3
4
如果使用的是其他 shell ,请修改为其他配置文件
# 验证
# 验证是否安装成功
nvcc -V
2
# 查看驱动
nvidia-smi
2
# 安装 CUDA(非 WSL2)
CUDA Toolkit Archive | NVIDIA Developer (opens new window)
和上面一样选择自己合适的版本,按照官网给出的命令安装即可。安装包过慢,可以自己使用 IDM 等工具单独下载再上传
安装类型选择:runfile (local)
需要注意的是:运行安装包的时候不选择安装 Driver (因为安装版本都比固有版本低,没有必要安)
# vim ~/.bashrc
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
# source ~/.bashrc
2
3
4
5
如果您安装后,发现CUDA的版本不太对,这时候需要将已安装的CUDA卸载,这个卸载非常简单,在您下载的 /usr/local/cuda11.6/bin 文件夹,有个 cuda-uninstaller 执行文件,直接运行命令,等待即可看到已经卸载干净了,然后重新安装另外版本的 CUDA即可: sudo ./cuda-uninstaller
# 安装 cuDNN
cuDNN(CUDA Deep Neural Network,CUDA 深度神经网络库)
cuDNN 比 CUDA 安装简单,下载对应版本压缩包,拷贝文件到指定目录,给予权限就好了
wget https://developer.nvidia.com/downloads/compute/cudnn/secure/8.9.3/local_installers/12.x/cudnn-linux-x86_64-8.9.3.28_cuda12-archive.tar.xz/
tar -xvf cudnn-linux-x86_64-8.9.3.28_cuda12-archive.tar.xz
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*
2
3
4
5
# 验证是否可以GPU加速
pip3 install torch torchvision torchaudio
import torch
print(torch.cuda.is_available())
2
输出为 True 即表示 CUDA GPU 加速成功
# Pytorch、CUDA、显卡驱动版本对应
1.CUDA驱动和CUDAToolkit对应版本
注:驱动是向下兼容的,其决定了可安装的CUDA和CUDAToolkit的最高版本。
2.CUDA及其可用PyTorch对应版本
注:虽然有的卡CUDA版本可更新至新版本,且PyTorch也可对应更新至新版本。但有的对应安装包无法使用,有可能是由于卡太旧的原因。
更多请详细查看官网:Previous PyTorch Versions | PyTorch (opens new window)
# 参考文章
Windows11 WSL2 Ubuntu18.04环境中配置CUDA (opens new window)
WSL2端配置pytorch GPU加速环境_wsl2 pytorch (opens new window)
tensorflow - WSL2- nvidia-smi command not running - Stack Overflow (opens new window)