WSL Ubuntu安装TensorFlow-GPU、PyTorch-GPU

在Windows 11的WSL Ubuntu中安装TensorFlow-GPU、PyTorch-GPU

0、WSL Ubuntu安装

• 在Windows 11的商店中下载即可，此处以Ubuntu22.04.3为例

1、CUDA Toolkit安装

• 参考公孙启的文章Windows11 + WSL Ubuntu + Pycharm + Conda for deeplearning
• 前往nVidia官网下载CUDA Toolkit，这里以11.8为例，因为PyTorch目前支持11.8和12.1两个版本的CUDA
• 下载时注意选择WSL-Ubuntu，根据网页下方提供的命令依次输入即可完成安装
• 配置环境变量
  • sudo vi ~/.bashrc
  • 添加以下内容，

    export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    

  • 更新环境变量，source ~/.bashrc
• 测试，输入nvcc -V，输出如下内容
  

2、cuDNN安装

• 前往nVidia官网下载cuDNN，下载时注意选择版本，这里以11.X为例
  
• 下载到Windows系统上后，将文件复制到WSL的Ubuntu系统中，注意，在WSL中，Windows系统的路径变为/mnt/c/Users/zhangsan/Desktop/xxxxx
• 解压文件，将include、lib文件夹下的文件复制到/usr/local/cuda-11文件夹下

  # 复制     
  sudo cp -r lib/* /usr/local/cuda-11/lib64/
  sudo cp -r include/* /usr/local/cuda-11/include/
  
  # 修改权限
  sudo chmod a+r /usr/local/cuda-11/include/cudnn*
  sudo chmod a+r /usr/local/cuda-11/lib64/libcudnn*
  

• 测试，输入 cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2，结果如下：
  

3、Anaconda安装及清华镜像配置

• 略，参考CSDN文章ubuntu Anaconda的安装、镜像源更改和python虚拟环境的配置细节

4、TensorFlow-GPU安装

• 经过测试，python版本指定为3.9，使用conda install tensorflow-gpu，即可自动安装，具体可参考CSDN文章【Tensorflow2.x】tensorflow-gpu 在 Ubuntu 上的安装
• 测试是否可以调用GPU： tf.test.is_gpu_available()，输出True，即证明安装成功
• 注意：建议不要使用tensorflow官方提供的pip命令进行安装（暂未使用该方法安装成功）
• 代码中输入以下内容，可简单启用GPU

  import os
  os.environ["CUDA_VISIBLE_DEVICES"] = "0"
  

5、PyTorch-GPU安装

• 前往PyTorch官网，选择需要的环境，复制conda命令，执行
  

• 测试GPU是否可用：torch.cuda.is_available()，输出True，即证明安装成功

6、VSCode连接WSL

• 在插件商店中下载WSL插件，安装后点击左下角即可
  

参考资料：

• Windows11 + WSL Ubuntu + Pycharm + Conda for deeplearning
• ubuntu Anaconda的安装、镜像源更改和python虚拟环境的配置细节
• 【Tensorflow2.x】tensorflow-gpu 在 Ubuntu 上的安装
• 清华大学开源软件镜像站