【Win1011 WSL2 Pytorch-GPU版安装避坑指南(慢更)】

admin管理员组

文章数量:1567760

本文的目的是在Windows的Linux子系统里安装Pytorch GPU版，并不是cpp版，当然原则上cpp版也可以用，建议完整看完本文主体部分再看详细的链接部分免得掉坑
首先，你的电脑必须是比较新的win10或者win11预览版(或正式版)
具体是：WSL 2 仅适用于 Windows 10 版本 18917 或更高版本，本篇我们默认安装的是Ubuntu20.04，以下命令或地址不素这个的自己修改

然后参考https://www.bilibili/read/cv11143517安装
PS：前面的步骤都差不多，只不过，win11自带Windows Terminal，你不必额外到MS商店下载

图形界面：
可以按上面bili博客的手动安装，注意设置广播地址的时候，
export DISPLAY=IP地址:0设置完后可以用ctrl+s保持，一开始我都不知道，一头雾水，然后可以关闭Terminal页面重新打开一个terminal ubuntu命令行界面！

这里上面用的是手动方式启动Xfce，其实也可以在win10/11的某盘符(Xfce配置文件保存的盘符)创建一个bat，放到Xfce的配置文件同一个目录，启动Ubuntu！
具体是：
https://blog.csdn/weixin_42580217/article/details/105490265
注意bat的启动程序名字，如果我的是Ubuntu2004，那么我的名字是ubuntu2004.exe，具体可以本机用everything搜索“ubuntu exe”(没有冒号)本机Ubuntu启动器名字

PS，如果你的Xfce无法正常启动，你cmd或power shell输入ipconfig康康你的本机ipv4地址是不是变了，以下是我笔记本wifi连接网络截图，连网线有可能稍有不同，各位童鞋自己尝试，反正不是用的带WSL的地址就OK

变了的话重新terminal ubuntu命令行界面修改export DISPLAY=IP地址:0这个玩意儿，并ctrl+s保存！

最后，如果你得到了这个界面恭喜你：

安装Cuda环境：
1：安装cuda on wsl驱动到宿主Windows系统：
https://developer.nvidia/cuda/wsl/download

一般选第一个，因为你的显卡一般是GEFORCE游戏显卡
一路默认安装；
以下命令行可以在宿主的terminal ubuntu也可以在ubuntu的Xfce界面里的命令行工具执行

以下部分参考自：https://zhuanlan.zhihu/p/350399229
2：安装cuda sdk：
a：换源安装cuda-toolkit：
sudo apt-key adv --fetch-keys https://developer.download.nvidia/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub

sudo sh -c ‘echo “deb https://developer.download.nvidia/compute/cuda/repos/ubuntu2004/x86_64/” > /etc/apt/sources.list.d/cuda.list’

sudo apt-get install -y cuda-toolkit-11-1

b：备选方案安装sdk，如果上面的不行
sudo apt install nvidia-cuda-toolkit

PS：我默认安装的是10.1

3：设置cuda环境变量
在主目录下的~/.bashrc文件添加如下路径：
sudo su -
再输入
nano ~/.bashrc
末尾添加并保存：
export CUDA_HOME=/usr/local/cuda
export PATH= P A T H : PATH: PATH:CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64KaTeX parse error: Expected '}', got 'EOF' at end of input: …LIBRARY_PATH:+:{LD_LIBRARY_PATH}}

4：更新库：
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

5：查看cuda是否安装成功：
nvcc -V

如果没有出现这个，返回第二步，执行2b的步骤！

6：安装cudnn：
下载地址：https://developer.nvidia/rdp/cudnn-archive
安装cudnn的时候也需要登录Nvidia账号，直接下载:cuDNN Library for Linux (x86)
注意，这里的存放路径，原则上必须在子系统里下载安装，但是实际上，和你之前设置的有关，比如，我在子系统里默认命令行地址是：

superowner@DESKTOP-43O2623:/mnt/e$

这个/mnt/e$就是你的window下的e盘

我选的素：cudnn-10.1-linux,也许你会觉得版本号乱，没关系，因为有些不同版本的改动很小，参差引用问题也不大

在子系统命令行里安装：
tar -zxvf cudnn-10.1-linux-x64-v8.0.5.39.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include/
为所有用户设置读取权限：
sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h
sudo chmod a+r /usr/local/cuda-11.1/lib64/libcudnn*

7：验证cuda是否安装成功
cd /usr/local/cuda/samples/4_Finance/BlackScholes
sudo make
耐心等待编译…
完事后再输入：
./BlackScholes

出现Test passed说明安装成功里，喜大普奔

安装Pytorch GPU：
1：安装Miniconda：
地址：https://docs.conda.io/en/latest/miniconda.html

我下载py3.8的，在子系统到火狐下载，下载到/home/superowner/Downloads/ 文件夹下，用命令行安装：
首先cd到下载目录：
cd /home/superowner/Downloads/
再输入：
bash Miniconda3-py38_4.10.3-Linux-x86_64.sh

全程点yes或者回车键就可以了
安装完事后，可以命令行输入conda，如果出现以下界面说明安装成功：

默认安装好后会默认地激活默认环境为Python执行环境，是不是有点绕，没关系，关闭就完事：
conda deactivate

首先不要急着安装，我们先换源，加速下载py包
具体可以参考这里：https://blog.csdn/weixin_45658858/article/details/107441114

2：然后我们创建Python环境：
conda create -n demo_env python=3.8
激活环境：
conda activate demo_env
安装Pytorch(在我们上面到demo_env 环境内，如果没有激活这个，会在默然环境base内下载包！)：
conda install pytorch==1.6.0 cudatoolkit=10.1 torchaudio=0.6.0 -c pytorch

下载安装完事后，输入conda list康康是否安装成功：

PS：这里我涂掉里我的环境名，你们可以根据项目需求自定义环境名字

3：验证是否安装成功
在我们到demo_env环境下，打开Python：
输入以下语句：

import torch
x = torch.rand(5,3)
print(x)
print(torch.cuda.is_available())
PS:你在demo_env下打开Python解释器后可以一行一行输入以上语句

如果第一行成功，第二行失败了你就得看看cuda环境是否配置正确，第二个print素True的话说明你已经成功安装了Pytorch GPU环境！

PS：Ads时间，大家可以加群一起探讨一下各种深度学习或者图形框架，集思广益，群号：558174476（游戏与人工智能生命体）

本文标签： 指南GPUPytorch