WSL2-Ubuntu20.04配置深度学习环境（CUDA、CUDNN、Pytorch）_wsl-ubuntu安装cudnn

WSL2-Ubuntu20.04配置深度学习环境（CUDA、CUDNN、Pytorch）

一、前言

现在网上的教程众说纷纭，都不是特别齐全，次帖旨在记录自己安装wsl2遇到的坑。

二、安装WSL2

WSL2与WSL1有本质上的区别，由于整个架构的更换，WSL2能够很好的支持电脑的GPU，这也是为什么采用WSL2的原因。

注：作者认为WSL2在windows11环境上才能更好运行（都是多次尝试后血的教训）

• 第一步：

首先保证自己电脑从来没有安装过WSL，因为如果之前电脑安装过WSL或者安装失败，再次安装会造成很多不知道的错误，所以尽量保证自己的电脑没有安装过WSL。在电脑打开Terminal，并在电脑中输入如下代码：

wsl --install -d Ubuntu-20.04
1

电脑便会自动下载wsl和Ubuntu子系统。（此处与官方安装方法一致）

• 第二步：

下载完成后，电脑会自动弹出ubuntu系统界面，进行正常配置即可（这里不做说明）。

三、安装anaconda

第一步：进入anaconda官网，选择download，找到linux下载地址，选择如下

下载完成后将此安装包复制到Ubuntu安装路径中，即home/ 中。

运行如下命令

然后一直回车+YES到底。

到这一步时，anaconda会问你要不要把它安装在你的路径下：

直接 回车 即可。

接下来，它会问你，是不是要将anaconda环境配置进入bashrc中，选择yes即可

输入：yes

然后它会报错说你没有装好，所以需要我们手动添加：

直接在命令行输入如下代码即可：

export PATH=/home/(your_user_name)/anaconda3/bin:$PATH
source .bashrc
1
2

安装之后，会在安装目录下生成anaconda的文件夹。之后所安装的虚拟环境均存在env文件夹中。

测试是否安装成功。

conda --version，如果显示conda版本，则说明安装成功。

查看当前存在哪些环境

conda info -e

创建新的虚拟环境。

conda create -n your_env_name python=X.X（2.7、3.6等）

**激活虚拟环境。**在你使用环境之前，需要激活。

source activate your_env_name

安装各种所需python包。pip install package_name(如果你创建的是python3.x的环境，也直接使用pip，不要使用pip3。因为此时的pip3可能会直接安装至你的系统环境里。)

**关闭虚拟环境。**当你使用完毕，需要关闭虚拟环境。

source deactivate

删除虚拟环境。

conda remove -n your_env_name --all

四、Ubuntu换源

apt换源

1、进入清华源镜像官网

选择清华源镜像首页如下链接

在左边列表选择ubuntu

2、修改ubuntu配置文件

使用如下命令进入配置文件：

sudo vim /etc/apt/sources.list
1

按”i“键，进入vim的插入模式复制如下代码：到sources.list：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
1
2
3
4
5
6
7
8
9
10
11
12
13

最后按ESC键退出插入模式，输入：wq保存退出

ps:清华源镜像会不定期更新,所以最好按作者所说步骤去复制此镜像源

3、更新源

使用下列代码更新源：

sudo apt-get update
sudo apt-get upgrade
1
2

conda换源

使用如下代码即可换源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda config --set show_channel_urls yes
1
2
3

pip换源

1. 创建pip.conf文件

cd ~/.pip
1

如果提示目录不存在的话,我们要自行创建一个,再进入目录

mkdir ~/.pip
cd ~/.pip
1
2

在.pip目录下创建一个pip.conf文件

touch pip.conf
1

文件就创建好了(当然如果你已经有这个文件了这步可以跳过).

2. 编辑pip.conf文件

sudo gedit ~/.pip/pip.conf
1

打开pip.conf文件窗口,将以下内容复制到文件中:

[global] 
index-url = http://pypi.douban.com/simple 
[install] 
trusted-host=pypi.douban.com
1
2
3
4

五、安装CUDA

进入英伟达官网中的cuda下载地址：CUDA Toolkit 11.6 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

输入wget安装代码示意图：

输入sh安装代码：

注：如果使用命令，系统报gcc的错误，则需要在这串命令后面加上 --override

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

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

之后程序便会自动开始安装：

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：

即如下代码：(这里采用sudo权限，是为了防止用户权限不够)

sudo vim ~/.bashrc
1

将如下代码加入到文件的最后几行：

即代码：

export PAHT=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
1
2

使配置文件生效：

使用nvcc -V查看cuda是否安装成功：成功会如下显示

六、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

通过如下命令解压cudnn包：（使用tar xvf命令）

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 cuda/include/* /usr/local/cuda/include/
1

sudo cp cuda/lib64/* /usr/local/cuda/lib64/
1

至此，cudnn已经安装完成。

七、下载pytorch

根据自己的配置选择pytorch，如下为作者的配置，选择通过conda方式安装（此方式首先都安装anaconda）：

注：如果conda命令下载pytorch找不到包，可以在下载命令后面+ -c conda-forge

八、测试cuda是否安装成功