WSL2啟用NVIDIA CUDA

來源：https://docs.microsoft.com/zh-cn/windows/ai/directml/gpu-cuda-in-wsl

　　：https://www.jianshu.com/p/2b79a32bf416

主要安裝過程：

　　適用於 Linux 的 Windows 子系統安裝指南 (Windows 10)

　　CUDA on WSL User Guide

1、系統要求

Windows 11 or Windows 10, version 21H2.

2、windows系統安裝GPU驅動（WSL2下的linux系統並不需要安裝驅動）

https://developer.nvidia.com/cuda/wsl

3、linux內核要求

要求內核版本 5.10.43.3 或 更高。

4、在WSL2上安裝CUDA Toolkit（2種）：https://docs.nvidia.com/cuda/wsl-user-guide/index.html

1）用WSL-Ubuntu Package安裝CUDA Toolkit 11.8，官網網址有安裝命令！

2）用Meta Package安裝CUDA Toolkit（注意：不要在WSL2上安裝NVIDIA driver）

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
$ sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
$ wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-ubuntu2004-11-4-local_11.4.0-470.42.01-1_amd64.deb
$ sudo dpkg -i cuda-repo-ubuntu2004-11-4-local_11.4.0-470.42.01-1_amd64.deb
$ sudo apt-key add /var/cuda-repo-ubuntu2004-11-4-local/7fa2af80.pub
$ sudo apt-get update

$ apt-get install -y cuda-toolkit-11-4

3）配置環境：參考鏈接

（1）添加環境變量到 ~/.bashrc 文件的末尾，具體添加內容如下：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64
export PATH=$PATH:/usr/local/cuda-11.3/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.3

（2）激活環境變量命令為 source ~/.bashrc 。

（3）測試 CUDA Toolkit 。 通過編譯自帶 Samples並執行， 以驗證是否安裝成功。具體命令如下所示：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

5、安裝cudnn

1、從 NVIDIA 官方網址  https://developer.nvidia.com/rdp/cudnn-download 下載cudnn-linux-x86_64-8.9.5.29_cuda11-archive.tar.xz

 

解壓壓縮包，並把相應的文件，復制到指定目錄即可。如下所示：

tar zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz 
sudo cp cuda/include/cudnn* /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*

5、安裝Docker

$ curl https://get.docker.com | sh    

6、安裝NVIDIA Container Toolkit（以前的nvidia-docker2）

$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

$ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

$ sudo apt-get update

$ sudo apt-get install -y nvidia-docker2    

$ sudo service docker stop

$ sudo service docker start

7、運行CUDA Container

$ docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark               

8、注意事項

• 基本要求：Cuda的要求高於簡單的WSL2安裝，且Cuda需要開啟用戶體驗計划，開啟后需要及時檢查更新內核至需要的版本

• Linux系統：盡管可以從WSL1使用的系統直接轉為WSL2，但是1中已經安裝了很多包，各種依賴關系，不如為WSL2設置一個新系統

• Cuda Driver：只在windows中安裝，無需在linux中再安裝，意味着nvidia-smi命令是無效的

• Cuda Toolkit：先查看自己需要的包是否需要單獨安裝，若單獨安裝，取消選中Driver；否則（如用conda安裝pytorch時），conda會附帶下載對應的Cuda Toolkit，不用自己單獨安裝

• 安裝成功后如果突然torch.cuda.is_available()為False，注意Windows下NVIDIA驅動更新（NVIDIA官網提供的WSL專用驅動更新），以及WSL2下對應cudatoolkit的版本更新