1.WSL2安装Ubuntu系统

1.1打开启用或关闭Windows功能

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达

将适用于Linux的Windows子系统与虚拟机平台打勾

利用WSL2安装Ubuntu系统并搭建深度学习环境_ubuntu_02

1.2下载ubuntu

重启之后打开微软商店,搜索Ubuntu,下载需要的版本

利用WSL2安装Ubuntu系统并搭建深度学习环境_ubuntu_03

下载完成后,若不能正常使用,运行窗口中出现???则需要更新内核

1.3更新内核

以管理员身份打开windows powershell

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_04

输入:

wsl --update

 接着打开Ubuntu会出现一个运行窗口,设置好用户名及密码之后即可正常使用。

若想访问ubuntu系统内文件,打开文件资源管理器,出现Ubuntu文件夹,打开即可访问。

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_05

2.深度学习环境搭建

 2.1安装miniconda

Miniconda — conda documentation

选择适合自己的版本安装,复制下载链接

利用WSL2安装Ubuntu系统并搭建深度学习环境_ubuntu_06

在打开的ubuntu运行窗口中运行

wget https://repo.anaconda.com/miniconda/Miniconda3-py39_23.3.1-0-Linux-x86_64.sh

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_07

接着安装

sh Miniconda3-py39_23.3.1-0-Linux-x86_64.sh

接着一路按回车,输入yes,安装成功后显示:

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_08

 重启ubuntu

2.1.1创建虚拟环境

conda create -n d2l python=3.9

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_09

2.1.2激活环境

conda activate d2l

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_10

 2.2安装英伟达驱动

先查看自己电脑中是否已经安装英伟达驱动,如果windows已经安装过,ubuntu则不需要安装

利用nvidia-smi命令查看是否已经安装,若未安装,将英伟达驱动安装在window中即可

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_11

 英伟达驱动安装教程自行百度一下吧。

 2.3安装pytorch

PyTorch

选择适合自己的版本

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_12

 将命令行复制粘贴

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

安装成功: 

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_13

 测试是否安装成功

进入python

python3

是否能成功导入

import torch

出现如下界面说明安装成功 

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_14

 2.4安装cuda

cuda以前版本的下载链接:

CUDA Toolkit Archive | NVIDIA Developer

之前安装的pytorch选择的为cuda11.7,则安装cuda11.7

选择wsl-ubuntu

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_15

 接着按照官方给的命令执行

利用WSL2安装Ubuntu系统并搭建深度学习环境_ubuntu_16

配置环境变量

sudo nano ~/.bashrc

将以下内容复制到最后,改成自己的cuda版本

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 保存并退出,接着更新环境变量

source ~/.bashrc

执行以下命令,显示出cudda版本则说明安装成功

nvcc -V

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_17

2.5安装cudnn

cuDNN Archive | NVIDIA Developer

下载至本地,然后复制到home文件夹下

利用WSL2安装Ubuntu系统并搭建深度学习环境_英伟达_18

解压文件

sudo tar -xvf cudnn-linux-x86_64-8.9.1.23_cuda11-archive.tar.xz

 安装:

cd cudnn-linux-x86_64-8.9.1.23_cuda11-archive/

sudo cp -r lib/* /usr/local/cuda-11.7/lib64/
sudo cp -r include/* /usr/local/cuda-11.7/include/

检测是否安装成功

cat /usr/local/cuda-11.7/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

利用WSL2安装Ubuntu系统并搭建深度学习环境_ubuntu_19

3.安装d2l、jupyter

首先进行pip换源

cd ~                   # 进入家目录 
mkdir .pip             # 新建.pip隐藏文件夹   
cd .pip                # 进入.pip文件夹           
touch pip.conf         # 新建pip.conf文件
vim pip.conf           # 用vim编辑pip.conf文件

pip.conf文件内容为:

[global]
 
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
 
timeout = 6000
 
[install]
 
trusted-host=pypi.tuna.tsinghua.edu.cn
 
disable-pip-version-check = true

激活conda创建好的虚拟环境:

conda activate d2l

安装d2l、jupyter:

pip3 install d2l jupyter

下载代码:

wget https://zh-v2.d2l.ai/d2l-zh.zip
unzip d2l-zh.zip

运行:

jupyter notebook

会得到一个网址,在浏览器中打开

利用WSL2安装Ubuntu系统并搭建深度学习环境_hive_20

 安装完成!!!