Configwsl

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

1
2
3


  sudo apt update
  sudo apt install zsh
  sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

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

1
2


  wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 
  bash Miniconda3-latest-Linux-x86_64.sh

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

1
2
3
4
5
6
7
8
9


  sudo apt-key del 7fa2af80 #去除旧的GPG key 

  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/12.4.0/local_installers/cuda-repo-wsl-ubuntu-12-4-local_12.4.0-1_amd64.deb
  sudo dpkg -i cuda-repo-wsl-ubuntu-12-4-local_12.4.0-1_amd64.deb
  sudo cp /var/cuda-repo-wsl-ubuntu-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/
  sudo apt-get update
  sudo apt-get -y install cuda-toolkit-12-4

3.确认安装是否完成

1
2


nvcc -v #查看nvcc编译器是否安装
nvidia-smi #查看gpu状态

接下来安装一下pytorch，即

1

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia # 这里使用cuda12.1

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。