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
