配置 WSL 深度学习环境

安装 WSL2 #

对于 Windows10 版本大于 2004（即 Build 19041 更高）或者 Windows11 的 PC：

wsl --install

上述命令直接下载默认的 Ubuntu 分发版本（即最近的 LTS 版本）。

细节不详述，见官方文档。

安装 CUDA Toolkit #

https://developer.nvidia.com/cuda-toolkit

Q：为何需要单独安装 CUDA Toolkit?

A：Anaconda 在安装 Pytorch 等会使用到 CUDA 的框架时，会自动为用户安装 CUDA Toolkit，其主要包含应用程序在使用 CUDA 相关的功能时所依赖的 动态链接库，不会安装驱动程序。在安装了 CUDA Toolkit 后，只要系统上存在与当前的 CUDA Toolkit 所兼容的 Nvidia 驱动，则已经编译好的 CUDA 相关的程序就可以直接运行，而不需要安装完整的 Nvidia 官方提供的 CUDA Toolkit。Nvidia 官方提供的 CUDA Toolkit 则是一个完整的工具安装包，包括 CUDA 程序的编译器、IDE、调试器等，CUDA 程序所对应的各式库文件以及它们的头文件。

注意下载版本选择！

按照指引依次输入命令行安装。

完成后配置环境变量：

# 打开系统环境变量文件
vim ~/.bashrc

# 添加 CUDA 环境变量
# 将 CUDA 的 bin 目录添加到现有的 PATH 环境变量中。
export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}}
# 将 CUDA 的 lib64 目录添加到现有的 LD_LIBRARY_PATH 环境变量中。
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

# 更新环境变量
source ~/.bashrc

此时执行

nvcc -V

将会显示 CUDA 版本（此处为 Runtime api）

由于 PC 本身就有 GPU 驱动，输入命令：

# 查看显卡状态
nvidia-smi

可以看到 Driver Version 和 CUDA Version，此处 CUDA 版本为 Driver api，与上述不同无妨，只需保证 Runtime api 不大于 Driver api 即可，当然若能保持一致最佳。

驱动版本与 CUDA 兼容表格：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

补充安装 cuDNN #

https://developer.nvidia.com/cudnn

cnDNN 是为深度学习计算设计的软件库，在官网上选择正确版本按步骤依次输入命令下载。

接下来进行安装：

# 解压
tar -xvf cudnn-cuda-12

# 把 cuDNN 的文件拷贝至 CUDA 对应文件夹下    
sudo cp -r /lib/* /usr/local/cuda-12.6/lib64/
sudo cp -r /include/* /usr/local/cuda-12.6/include/

# 更改读取权限
sudo chmod a+r /usr/local/cuda-12.6/include/cudnn*
sudo chmod a+r /usr/local/cuda-12.6/lib64/libcudnn*

验证安装是否成功：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

正常输出即成功。

安装 Anaconda #

进入 WSL2，输入

# 更新软件包
sudo apt update

# 进入根目录
cd
# 在 https://anaconda.com/download/success 找到 Linux 64-bit (x86) Installer 复制链接
wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
# 安装 Anaconda
bash Anaconda3-2024.06-1-Linux-x86_64.sh
# 默认安装到 /home/<Username>/anaconda3

# 打开系统环境变量文件
vim ~/.bashrc

# 添加 Anaconda 环境变量
export PATH="/home/<Username>/anaconda3/bin:$PATH"

# 更新环境变量
source ~/.bashrc

# 验证是否添加完成
conda --version

应该输出 conda 版本，配置结束。接下来可以正常用 conda 命令创建 python 新环境。

配置 PyTorch #

https://pytorch.org/

注意版本选择，若没有对应刚才下载的 CUDA 版本不要慌，这是向下兼容的，即选择小于所安装的 CUDA 版本的最大版本。

复制 conda 命令下载库：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

连接 Windows 下 IDE #

至此环境配置完成，只需通过 VSCode 或者 PyCharm 等连接到 WSL 就可以直接用里面的环境运行代码了。