微软在拥抱开源社区后推出wsl
极大提升了Windows的开发体验,相比双系统wsl
可以动态分配存储空间和内存,并且搭配vscode
可以获得几乎原生Linux
的开发体验。
在微软更新wsl2
之后,现在可以与Windows宿主机共用host,不同再去获取wsl2
的动态IP,每次都要手动设置代理,更加方便开发了。
本篇博文主要是记录一下在wsl2
中配置深度学习环境。
Install wsl2
- 要安装
wsl2
首先要在系统服务中打开hyper-V
虚拟化以及Linux sub system
。 - 在Windows应用商店中搜索
Ubuntu
直接安装就可以了。
- 因为
wsl2
默认安装在C盘,所以可以在poweshell中用wsl
命令将Linux
子系统打包成tar
或者镜像文件,然后export到另外的分区中。
Config wsl2
-
首先启动需要设置好
username
和passwd
-
我个人使用
zsh
搭配oh my zsh
美化比较多。可以使用apt
安装
|
|
- 接下来安装深度学习必备的
python
环境,anaconda
作为python
的环境管理有点太重了,推荐使用miniconda
|
|
-
如果要使用GPU加速,还需要安装
CUDA-TOOlkit
以及NVIDIA Driver
,这部分工具链已经很完善了,微软也提供了完善的官方文档。1.首先安装
NVIDIA Driver
,这个可以直接在NVIDIA
官网上找到,安装与自己GPU型号对应的驱动即可TIPS: 安装的时候选择Windows版驱动即可。
2.接着安装
CUDA
支持
|
|
3.确认安装是否完成
|
|
接下来安装一下pytorch
,即
|
|
安装完成后可以在python
中用torch.cuda.is_available()
查看是否可以调用GPU
加速。