WSL2 Ubuntu22.04 + 3070安装cuda11.6 +Pytorch1.13.0全纪录

时间：2024-04-16 15:25:31 来源：网络cs 作者：璐璐栏目：广告工具阅读：

标签：安装

文章目录

安装cuda查看支持的最大cuda版本根据官网步骤安装安装完成后的善后安装cudnn安装Pytorch安装miniconda管理python环境在torch_env中安装Pytorch 结果检查gpustat

安装cuda

提前说明：WSL的发行版如果是Ubuntu22.04，我安装过程中出现了一个错误，不过也解决了。我搜的其他方法说直接用Ubuntu20.04不回出现这个问题，如果愿意的话，可以选择重装Ubuntu20.04。

查看支持的最大cuda版本

首先通过nvidia-smi命令查看当前安装的驱动支持的最大cuda版本：
在这里插入图片描述
可以看到这里最大支持的是12.3。不过之前实验都是在11.6上做的，所以这里就安装cuda11.6。

根据官网步骤安装

进入cuda11.6的官网并按顺序选择：cuda11.6→Linux→x86-64→WSL-Ubuntu→2.0→deb_local

然后会出现官方给的安装流程，比如：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.debsudo dpkg -i cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.debsudo apt-key add /var/cuda-repo-wsl-ubuntu-11-6-local/7fa2af80.pubsudo apt-get updatesudo apt-get -y install cuda

我们可以在任意路径下操作上面的内容，最后cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb这个安装包也会下载到这个目录，安装完可以选择删掉。我这里直接在自己的home目录下创建了个for_cuda目录来操作。

按照上面顺序执行即可。其中：
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-6-local/7fa2af80.pub 会有警告可以忽略。
主要是最后一句sudo apt-get -y install cuda报错了：

The following packages have unmet dependencies: libcufile-11-6 : Depends: liburcu6 but it is not installableE: Unable to correct problems, you have held broken packages.

查了下似乎是因为Ubuntu22.04默认没有liburcu6了。搜到的一个解决方案是：
Unable to install CUDA on Ubuntu 22.04 WSL2中的：

# ppa:cloudhan/liburcu6 provides a forward-port of liburcu6 for Ubuntu 22.04.sudo add-apt-repository ppa:cloudhan/liburcu6sudo apt updatesudo apt install liburcu6

按照上面的顺序先添加ppa:cloudhan/liburcu6源，更新后可以安装liburcu6了。（似乎需要开梯子才能顺利添加ppa源并更新）

最后重新执行sudo apt-get -y install cuda即可

安装完成后的善后

cuda默认安装在/usr/loacl/下：
在这里插入图片描述
cuda和cuda-11都可以理解为cuda-11.6的快捷方式。文件都在cuda-11.6里。看下目录结构：

有bin，有lib和include（后面cudnn要拷贝到这俩里面）
现在就可以进到bin里面执行./nvcc -V查看版本:

说明安装成功。

下面就是添加环境变量（只是通过python去使用cuda的话，不添加也行）：
在home的.bashrc文件内添加以下内容：

export CUDA_HOME=/usr/local/cuda-11.6  # 新建环境变量CUDA_HOMEexport PATH=$PATH:$CUDA_HOME/bin       # 将bin目录添加到PATH这个环境变量export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/extras/CUPTI/lib64# 后两个是添加一些库的路径到LD_LIBRARY_PATH环境变量中，参考别的教程的

之后打开bash终端能直接用bin下的命令了。如果使用的是zsh终端，在对应的.zshrc文件中配置。

安装cudnn

cudnn只是一些库，用来加速计算的好像。需要从官网下载：
cudnn下载
下载需要注册一个NVIDIA账号。

这里下的是8.9.5。下载完成后，通过以下命令解压：

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda11-archive.tar.xz

（压缩包换成自己的压缩包）

之后进入到解压文件夹里将解压后的lib和include的内容复制到cuda里面对应的lib64和include目录里面：

cd cudnn-linux-x86_64-8.9.5.30_cuda11-archive  # 目录也是自己解压后的目录cp ./lib/* /usr/local/cuda-11.6/lib64          # 拷贝libcp ./include/* /usr/local/cuda-11.6/include    # 拷贝头文件

*为通配符，表示“所有”

安装Pytorch

这里推荐使用conda管理python环境

安装miniconda管理python环境

miniconda相对于anaconda更精简。
官网：miniconda
按照提供的安装顺序安装：

mkdir -p ~/miniconda3wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.shbash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3rm -rf ~/miniconda3/miniconda.sh

安装完成后还需要为bash初始化：

~/miniconda3/bin/conda init bash~/miniconda3/bin/conda init zsh  # 如果用的zsh可以用这句为zsh初始化

之后可以打开一个bash，可以看到前面默认有个(base)。这是conda默认的python环境：
在这里插入图片描述
可以通过以下命令创建环境并指定python版本

conda create --name torch_env python=3.7

创建了一个名为torch_env，python为3.7的环境。

之后可以通过conda activate [环境名]切换不同的环境，并且命令提示符前面也会变成对应的环境名：
在这里插入图片描述

在torch_env中安装Pytorch

到Pytorch官网：pytorch。默认提供的是最新的。可以在install previous versions of PyTorch中安装其他版本：
在这里插入图片描述
我这里安装的是1.13.0的版本，根据它提供的命令来安装就行。在上面创建的torch_env环境中安装。
pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116