在 WSL2 上安装 Tensorflow-GPU
Install Tensorflow-GPU on WSL2
有没有人在使用 NVIDIA GPU 的 WSL2 上成功安装 Tensorflow-GPU？我在 WSL2 上有 Ubuntu 18.04，但我正在努力安装 NVIDIA 驱动程序。任何帮助将不胜感激，因为我迷路了。
由于以下文章，我可以确认我能够在 WSL2 上无需 Docker 即可完成此工作：
https://qiita.com/Navier/items/cf551908bae707db4258
确保更新到驱动程序版本 460.15，而不是 CUDA 文档中列出的 455.41。
请注意，这不适用于 TCC 模式下的卡（仅限 WDDM）。另外，请务必将文件放在 Linux 文件系统上（即不要放在安装驱动器上，如 /mnt/c/）。 Linux 文件系统上的性能明显更快（这与 WSL 1 与 WSL 2 的实施差异有关；参见 1, 2, and 3）。
注意： 另见
所以我刚得到这个 运行ning。
您需要执行的步骤是 here。总结一下：
- 注册 windows 内部程序并获取 windows 的开发版本，以便您拥有最新版本
- 安装 wsl 2
- 从 windows 商店安装 Ubuntu
- 在 windows
上安装 wsl 2 cuda 驱动程序
- 安装cuda工具包
- 安装cudnn（可以从windows下载linux版本，然后复制文件到linux）
- 如果您遇到类似 'cannot allocate memory' 的内存错误，那么您可能需要增加 wsl 可以获得的内存量
- 然后安装tensorflow-gpu
- 祈祷它有效
我遇到的错误：
- 如果您第一次打开ubuntu时遇到错误，您需要在 bios 中启用虚拟化
- 如果您不能 运行 安装说明中的 ./Blackscholes 示例，您可能没有正确的 windows 版本！你必须有正确的版本
- 如果在 运行ning tf 时出现 'cannot allocate memory' 错误，您需要给 wsl 更多内存。默认情况下它只能访问一半的内存
- 在 windows 中的用户目录下创建一个 .wslconfig 文件，其中包含您想要的内存量。我的看起来像：
[wsl2]
memory=16GB
在 运行 一些代码后编辑
这比我 运行 直接在 windows 上要慢得多。我从每个纪元 1 分钟变成了 5 分钟。我只是要双启动。
这些是我在 Ubuntu 20.04 中必须遵循的步骤。我不再使用开发频道，测试版频道适用于此用例并且更加稳定。
安装 WSL2
从 Windows 商店安装 Ubuntu 20.04
安装 Windows 的 Nvidia 驱动程序来自：https://developer.nvidia.com/cuda/wsl/download
使用以下命令在 WSL 内部安装 nvcc：
sudo apt install nvidia-cuda-toolkit
检查它是否存在：
nvcc --version
对于我的用例，我从事数据科学并且已经安装了 anaconda。我创建了一个环境：
conda create --name tensorflow
conda install tensorflow-gpu
然后用这个 python 小程序测试它并激活环境：
import tensorflow as tf
tf.config.list_physical_devices('GPU')
sys_details = tf.sysconfig.get_build_info()
cuda = sys_details["cuda_version"]
cudnn = sys_details["cudnn_version"]
print(cuda, cudnn)
由于我不明白的原因，我的机器在没有安装 nvcc 的情况下无法找到 GPU，实际上给出了一个错误消息说它找不到 nvcc。
我发现的在线教程让您分别下载 CUDA 和 CUDNN，但我认为 NVCC 包含 CUDNN，因为它是 . . .不知何故。
我只是想指出，使用anaconda安装cudatoolkit和cudnn似乎在wsl中不起作用。
也许路径有问题，导致 TF 只在系统路径而不是 conda 环境中查找需要的文件。
有没有人在使用 NVIDIA GPU 的 WSL2 上成功安装 Tensorflow-GPU？我在 WSL2 上有 Ubuntu 18.04，但我正在努力安装 NVIDIA 驱动程序。任何帮助将不胜感激，因为我迷路了。
由于以下文章，我可以确认我能够在 WSL2 上无需 Docker 即可完成此工作：
https://qiita.com/Navier/items/cf551908bae707db4258
确保更新到驱动程序版本 460.15，而不是 CUDA 文档中列出的 455.41。
请注意，这不适用于 TCC 模式下的卡（仅限 WDDM）。另外，请务必将文件放在 Linux 文件系统上（即不要放在安装驱动器上，如 /mnt/c/）。 Linux 文件系统上的性能明显更快（这与 WSL 1 与 WSL 2 的实施差异有关；参见 1, 2, and 3）。
注意： 另见
所以我刚得到这个 运行ning。
您需要执行的步骤是 here。总结一下：
- 注册 windows 内部程序并获取 windows 的开发版本，以便您拥有最新版本
- 安装 wsl 2
- 从 windows 商店安装 Ubuntu
- 在 windows 上安装 wsl 2 cuda 驱动程序
- 安装cuda工具包
- 安装cudnn（可以从windows下载linux版本，然后复制文件到linux）
- 如果您遇到类似 'cannot allocate memory' 的内存错误，那么您可能需要增加 wsl 可以获得的内存量
- 然后安装tensorflow-gpu
- 祈祷它有效
我遇到的错误：
- 如果您第一次打开ubuntu时遇到错误，您需要在 bios 中启用虚拟化
- 如果您不能 运行 安装说明中的 ./Blackscholes 示例，您可能没有正确的 windows 版本！你必须有正确的版本
- 如果在 运行ning tf 时出现 'cannot allocate memory' 错误，您需要给 wsl 更多内存。默认情况下它只能访问一半的内存
- 在 windows 中的用户目录下创建一个 .wslconfig 文件，其中包含您想要的内存量。我的看起来像：
[wsl2]
memory=16GB
在 运行 一些代码后编辑
这比我 运行 直接在 windows 上要慢得多。我从每个纪元 1 分钟变成了 5 分钟。我只是要双启动。
这些是我在 Ubuntu 20.04 中必须遵循的步骤。我不再使用开发频道，测试版频道适用于此用例并且更加稳定。
安装 WSL2
从 Windows 商店安装 Ubuntu 20.04
安装 Windows 的 Nvidia 驱动程序来自：https://developer.nvidia.com/cuda/wsl/download
使用以下命令在 WSL 内部安装 nvcc：
sudo apt install nvidia-cuda-toolkit
检查它是否存在：
nvcc --version
对于我的用例，我从事数据科学并且已经安装了 anaconda。我创建了一个环境：
conda create --name tensorflow
conda install tensorflow-gpu
然后用这个 python 小程序测试它并激活环境：
import tensorflow as tf
tf.config.list_physical_devices('GPU')
sys_details = tf.sysconfig.get_build_info()
cuda = sys_details["cuda_version"]
cudnn = sys_details["cudnn_version"]
print(cuda, cudnn)
由于我不明白的原因，我的机器在没有安装 nvcc 的情况下无法找到 GPU，实际上给出了一个错误消息说它找不到 nvcc。
我发现的在线教程让您分别下载 CUDA 和 CUDNN，但我认为 NVCC 包含 CUDNN，因为它是 . . .不知何故。
我只是想指出，使用anaconda安装cudatoolkit和cudnn似乎在wsl中不起作用。
也许路径有问题，导致 TF 只在系统路径而不是 conda 环境中查找需要的文件。