wsl配置tensorflow环境

原创

已于 2024-04-18 20:46:04 修改 · 1.7k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#python #visual studio code #tensorflow2

于 2024-04-18 20:45:04 首次发布

本文介绍了如何在Windows Subsystem for Linux (WSL)中配置TensorFlow的GPU环境，由于Windows 2.11及更高版本不支持CUDA构建，因此需要在WSL2中进行安装。详细步骤包括启用WSL，安装Ubuntu，使用Visual Studio Code的Remote Development插件进行连接，以及在WSL中创建Python环境和安装TensorFlow。在安装过程中遇到了CUDA版本和TensorFlow版本的匹配问题，最终通过特定的Python代码验证了TensorFlow的正确安装和运行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题描述

查阅官网的 tensorflow 版本对照发现Windows 本机的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或使用 TensorFlow-DirectML-Plugin 来构建/安装 tensorflow-cpu。

WSL 开发环境配置

WSL 安装

网上教程很多，大致流程差不多：

打开控制面板->程序和功能->启用或关闭 windows 功能，把 适用于 Linux 的 Windows 子系统 和 Hyper-V 勾上
cmd 运行 bcdedit /set hypervisorlaunchtype auto
Micorsoft Store 安装 Ubuntu

Vscode 配置

下载插件 Remote Development，左上角选择要连接的 WSL

创建工程文件夹 /home/username/project/
View->terminal 打开终端，运行以下两条命名：
sudo apt-get update
sudo apt-get upgrade
安装需要的 python 版本和 pip 工具
创建并启用虚拟环境：
pyton -m venv venv
source ./venv/bin/acitvate

安装 tensorflow

新版 tf 不用像以前一样找那么多插件的版本对应关系自己安装了。
打开 cmd 用 nvidia-smi 查看驱动版本

+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 536.25                 Driver Version: 536.25       CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+

结果显示我最高能用 cuda12.2。看官网介绍，cuda 12.2 对应 tensorflow 2.15.0。
直接运行 pip install tensorflow[and-gpu]==2.15.0 会报 Could not find TensorRT，手动安装 tensorrt 依然不行。在网上找到解决方案，于是执行：
pip install tensorflow[and-gpu]==2.15.0.post1
执行 python 代码：

import os
import tensorrt
import tensorflow as tf

print(tf.config.list_physical_devices('GPU')

最低0.47元/天解锁文章

200万优质内容无限畅学