WSL2安装Ubuntu22.04并开启GPU进行ML学习教程
WSL2安装Ubuntu22.04并开启GPU进行ML学习教程
本文将详细介绍如何在Windows 11系统上通过WSL2安装Ubuntu 22.04，并配置NVIDIA GPU进行机器学习。文章将从启用WSL2、安装Ubuntu、配置GPU驱动和CUDA工具，到最终搭建PyTorch运行环境，提供完整的步骤指导。
一、启用 WSL2
首先需要在 Windows 上启用 WSL2。步骤如下：
- 启用 WSL 功能：
- 右键点击“开始”菜单，选择“Windows PowerShell (管理员)”或“终端 (管理员)”。
- 输入以下命令启用 WSL 和虚拟机功能：
以上也可以通过启用关闭windows功能选项进行操作，如下截图中红框的几项勾选好，确定重启系统dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
设置 WSL2 为默认版本：
在 PowerShell 中输入以下命令，将 WSL 2 设置为默认的 WSL 版本：wsl --set-default-version 2安装 Linux 内核更新包：
wsl --update重启系统
二、安装 Ubuntu
在 WSL2 环境中安装 Ubuntu。步骤如下：
- 在 Microsoft Store 中安装 Ubuntu：
- 打开 Microsoft Store，搜索“Ubuntu”并选择想要安装的版本（如 Ubuntu-24.04）。
- 点击获取，等待安装完成即可。
- 配置 Ubuntu：
- 安装完成后，打开 Ubuntu 应用，等待初始化过程。
- 按提示设置用户名和密码，配置完成后就可以使用 Ubuntu 了
也可在powershell中通过如下命令进行安装(可能需要开梯子)
# 查看包含所有可用发行版和版本的输出
wsl --list --online
# 选择合适的版本进行安装，这里安装的是Ubuntu-24.04
wsl --install -d Ubuntu-24.04
查看安装进度，安装完成后，通过如下命令查看安装版本
wsl -l -v
添加新用户和密码，即可进入ubuntu终端，退出直接输入exit即可返回powershell
如果要打开 Ubuntu 24.04 终端，请在 PowerShell 中运行以下命令：
ubuntu2404.exe
最好通过在 Ubuntu 终端中运行以下命令来安装最新更新，并在出现提示时输入密码：
$ sudo apt update
$ sudo apt full-upgrade -y
系统升级前，请把系统源替换为国内源，参照：
https://blog.csdn.net/v997282418/article/details/140105030
如果后续要卸载ubuntu，可通过如下命令进行卸载
# 停止 WSL 实例
wsl --shutdown
# 查看已安装的 Linux 发行版： 列出当前已安装的 WSL 发行版：
wsl --list --verbose
# 卸载 Ubuntu： 找到要卸载的 Ubuntu 发行版的名称，然后运行以下命令进行卸载：
wsl --unregister Ubuntu-24.04
三、安装 NVIDIA GPU 驱动和 CUDA 工具
- 检查显卡驱动
为了让 RTX 4060 GPU 在 WSL2 中用于深度学习，需要安装 NVIDIA 驱动和 CUDA 工具包
注意：在系统上安装 NVIDIA GeForce Game Ready这是您要安装的唯一驱动程序。不要在 WSL 中安装任何 Linux 显示驱动程序。
GetForce Experience查看自己是否已经安装了NVIDIA GeForce Game Ready，我的宿主机已经安装了相关驱动，因此不需要再安装，可以在ubuntu下输入如下命令进行验证显卡在unbuntu上是否正常
nvidia-smi
我的直接弹出：
说明显卡已经正常加载
如果未安装，可通过如下链接选择显卡并下载GeForce Game Ready版本的驱动
https://www.nvidia.cn/drivers/lookup/
- 安装CUDA Toolkit
输入nvidia-smi，找到CUDA Version，我的是12.4，注意选择的CUDA Toolkit一定不能超过cuda的版本，可参照官网的对照表，下载对应的安装包进行安装，下载链接如下：
https://developer.nvidia.com/cuda-toolkit-archive
版本选择：12.4.0，下载选项如下：
选择完成后，会生成下载的命令，在ubuntu下执行命令即可完成相关安装。
# 下载安装包
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
# 安装
sudo sh cuda_12.4.0_550.54.14_linux.run
安装完成后通过nvcc -V命令验证是否安装成功，如果提示命令未找到，修改如下环境变量，把命令路径加入环境变量
执行命令：vim ~/.bashrc
末尾插入如下内容：
export PATH=/usr/local/cuda/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
执行命令：source ~/.bashrc
之后正常即可运行命令：nvcc -V
四、安装PyTorch运行环境
- Python虚拟运行环境搭建
通过如下命令，安装Anaconda3
# 下载Anaconda3，这里选择了最新的conda版本
wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
# 安装
bash Anaconda3-2024.06-1-Linux-x86_64.sh -p /home/wangdenuan/apps/anaconda3
输入conda -V查看当前版本
构建python的虚拟环境，这里需要对照pytorch\python的版本对应关系，命令如下：
conda create -n py_gpu python=3.12
执行命令：conda env list，查看创建的虚拟环境
- 安装PyTorch环境
执行如下命令切换到缓冲环境py_gpu：conda activate py_gpu
从下面链接配置PyTorch，得到conda安装命令：
https://pytorch.org/get-started/locally/
在ubuntu终端下运行安装命令：
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
检查 PyTorch 是否正确安装，是否正常启用GPU
在终端下输入：
# 启动python
python
import torch
print(torch.cuda.is_available())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name(0))
验证结果如下：