WSL2 Ubuntu子系统安装cuda+cudnn+torch

原创已于 2023-08-17 16:32:56 修改 · 2k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#ubuntu #linux #运维

于 2023-08-14 17:02:29 首次发布

本文指导如何在WindowsWSL2环境下安装CUDA11.7.1、cudnn8.9.2.26，并通过pip安装PyTorch1.13.1版，适用于cuda11.7。步骤包括显卡驱动更新、下载并配置cuda和cudnn，以及安装和测试PyTorch。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

前言
一、安装cudn
二、安装cudnn
三、安装pytorch

前言

确保Windows系统版本高于windows10 21H2或Windows11，然后在Windows中将显卡驱动升级到最新即可，WSL2已支持对显卡的直接调用。
在这里插入图片描述

一、安装cudn

进入英伟达官网中的cuda下载地址：CUDA Toolkit 11.7 Update 1 Downloads | NVIDIA Developer

由于作者使用的是WSL-Ubuntu20.04长期支持版，所以按照以下配置来进行安装。

作者采用的是runfile（local）下载方式，因为此方式简单，原理为通过wget命令下载cuda安装包，通过sh命令解压安装cuda

在这里插入图片描述

wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run
sudo sh cuda_11.7.1_515.65.01_linux.run

程序会进行解压和安装，速度会比较慢，最后会出现如下界面：输入accept+回车确认

在这里插入图片描述
之后便会出现如下界面，前面带有[X]的表示你要安装的工具，最后选择Install+回车确认

安装完成后通过修改bashrc文件配置，来让cuda更好的运行：

使用vim打开配置文件

sudo vi  ~/.bashrc

将如下代码加入到文件的最后几行：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

使配置文件生效

source  ~/.bashrc

使用nvcc -V查看cuda是否安装成功：成功会如下显示
在这里插入图片描述

二、安装cudnn

因为作者使用的是WSL2-Ubuntu20.04,所以进入cuDNN下载地址：cuDNN Archive | NVIDIA Developer中选择如下安装包(注意，cudnn的版本必须与安装的cuda百分百对应！！！！)，并将此安装包复制到Ubuntu下的/home/文件夹下

在这里插入图片描述
通过如下命令解压cudnn包：（使用tar xvf命令）

tar xvf cudnn-linux-x86_64-8.9.2.26_cuda11-archive.tar.xz

然后通过cp复制命令，将解压好的cuDNN文件复制到cuda配置文件中：

即配置cuda/include下所有文件和cuda/lib64下所有文件；

运行如下代码即可：

sudo cp cudnn-linux-x86_64-8.9.2.26_cuda11-archive/include/* /usr/local/cuda/include/
sudo cp cudnn-linux-x86_64-8.9.2.26_cuda11-archive/lib/* /usr/local/cuda/lib64/

至此，cudnn已经安装完成。

三、安装pytorch

安装地址：https://pytorch.org/get-started/previous-versions/，找到1.13.1版本，选择对应cuda版本安装
在这里插入图片描述

输入以下命令即可

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

测试

import torch
print(torch.__version__)#版本号
print(torch.cuda.is_available())#显卡是否可用
print( torch.cuda.get_device_name())#显卡型号

在这里插入图片描述