概览

Windows 配置 WSL CUDA 环境
- 0. 安装前准备
- - 0.0 系统要求
  - 0.1 WSL 安装
  - 0.2 WSL 版本设置
  - 0.3 下载
- 1. 驱动安装配置
- - 1.0 安装主机 CUDA 驱动
  - 1.1 WSL 安装 CUDA 驱动
- 2. 环境安装
- - 2.0 MiniConda
  - 2.1 Pytorch
  - 2.2 Conda 环境 Tips
  - 2.3 安装后检查
- Reference

Windows 配置 WSL CUDA 环境

目的：日常办公主机装配了 Windows10系统，课题工作主要在远程Linux主机上完成，但偶尔需要在本地主机进行代码测试开发，双系统切换效率太低，因此想利用Windows中的Linux子系统（WSL）完成相应功能

说明：在Windows 10 21H2或者Windows 11版本，启用WSL V2版本后可以在WSL中使用系统的GPU资源，进而使用PyTorch等深度学习工具或者利用NVIDIA-Docker实现容器化GPU使用

0. 安装前准备

0.0 系统要求

系统至少为Windows10 21H2版本，或者为Windows 11, 如果是低版本，需要先升级。可以按住 Win+R 输入 winver 查看系统版本

0.1 WSL 安装

按照 设置->应用->程序和功能->启用或关闭 Windows 功能的步骤，确认将WSL启用：

设置完成，更新重启之后，打开 Microsoft Store 应用商店，安装 Ubuntu-20.04 或者其他个人习惯使用的 Linux 发行版。

安装完成之后可以打开，进入 Ubuntu-20.04 终端，完成系统设置，按照要求设置用户名和密码之后可以进入如下界面：

0.2 WSL 版本设置

（Windows11 可忽略，版本自带是V2）确保 WSL 版本是 V2，可以通过 wsl.exe -l -v 查看对应版本：

如果看到还是 VERSION 1，则可以按微软官网教程将 WSL1 升级到 WSL2，然后运行wsl --set-version Ubuntu-20.04 2 将版本进行升级。最佳做法是确认升级到 WSL2 之后，再在应用商店安装 Ubuntu 等 Linux 发行版。

0.3 下载

完成上述准本工作之后，为了保证安装顺利，可提前准备好需要的包：

NVIDIA CUDA WSL驱动：官网链接
CUDA WSL PIN 官网链接
CUDA TOOLKIT REPO 官网链接

1. 驱动安装配置

1.0 安装主机 CUDA 驱动

将上述步骤下载得到的 NVIDIA CUDA WSL驱动 在Windows 本地安装，双击打开 EXE 文件后按照导引运行即可

1.1 WSL 安装 CUDA 驱动

打开 WSL 终端，将下载的另外两个包放到方便查找的目录，例如如果在主机的 D:\\Downloads\\cuda 目录：
则此时可以在 WSL 中 cd /mnt/d/Downloads/cuda 进入该目录：

进入目录后运行以下命令安装：

# 如果之前没有提前下载，则输入 wget 命令下载；否则可略过下述所有 wget 命令
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-4-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

注：上述安装的是 11.4 版本的 CUDA，例如 Pytorch 目前最高支持 11.3 版本，则可以修改上面的链接，下载对应版本即可。

驱动完成安装后，可以利用 nvidia-smi 查看是否安装成功：

右上角显示的 11.6 实际上是主机安装的驱动，和实际的 CUDA 版本无关，可以通过运行 /usr/local/cuda/bin/nvcc -V 查看实际的版本

CUDNN 安装和正常一样下载解压即可。

2. 环境安装

2.0 MiniConda

从清华等国内Conda源下载自己需要的 MiniConda 版本，（MiniConda 包含基本的 Python 环境和 Conda 等包管理器，比 AnaConda 更精简）

下载后执行 bash MiniConda-XXXX.sh 安装即可

2.1 Pytorch

可以直接参照官网的 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch 安装，或者通过其他的 pip 或者提前下好安装包等方式。

2.2 Conda 环境 Tips

如果在远程已经有安装配置好的环境，且远程环境与 WSL 环境兼容且驱动等也一致（例如远程服务器与本地 WSL 都是 Ubuntu 20.04，都安装的是一样的 MiniConda，且都安装了 CUDA-11.3 驱动），则此时可以直接将远程服务器的环境用于本地

在远程服务器 conda 环境中安装 conda-pack： pip install conda-pack
查看远程服务器中对应的 conda 环境：conda env list
打包对应的环境 conda pack -n torch -o /home/Downloads/torch.tar.gz
假设远程用户名为 user，远程主机 IP 地址为 192.168.100.200，将远程服务器的压缩包拷贝到本地：scp user@192.168.100.200:/home/Downloads/torch.tar.gz ./
将拷贝的文件移动到 /home/xxx/miniconda/envs/torch目录 (先在 envs 目录下新建 torch 目录 )
cd /home/xxx/miniconda/envs/torch 进入目录
解压文件：tar zxf torch.tar.gz
完成安装，如无需要，可以删除压缩包 rm torch.tar.gz

2.3 安装后检查

安装完成后，可以在其中检查 CUDA 是否可用：
python -c "import torch; print(torch.cuda.is_available())"

可以看到已经能够使用。

Reference

英伟达官方 CUDA 用户指导：https://docs.nvidia.com/cuda/wsl-user-guide/index.html
微软 WSL CUDA 说明：https://docs.microsoft.com/zh-cn/windows/ai/directml/gpu-cuda-in-wsl
微软 WSL 安装说明：https://docs.microsoft.com/en-us/windows/wsl/install