读书-思考-总结  
我的菜园
 

WSL2安装pytorch

wsl-ubuntu 安装

1 操作系统,win11

开启CPU虚拟化

 

 

 

如果是关闭状态,需要进入到BOIS 中打开设置。

 

 

开启虚拟机平台

搜索栏中搜索功能,即可出现“启用或关闭Windows功能”

 

 

 

 

 

 

升级配置 wsl

https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi

下载安装

设置默认wsl的版本为2

wsl --set-default-version 2

 

安装ubuntu

到 Microsoft Store 中搜索linnux,目前基本上都安装的 ubuntu

选择一个版本即可。

 

安装完毕打开即可。

 

 

 

CUDA 安装

包含2部分,一部分是驱动,一部分是开发SDK。

驱动安装

驱动本身到官网下载最新驱动,安装到 windows

https://www.nvidia.cn/Download/index.aspx?lang=cn

 

安装完毕后,需要记录驱动版本号

 

 

 

 

 

下载安装toolkit

开发sdk,需要下载并安装到 wsl 中的 linux 上

根据上一步驱动安装完毕后,显示的驱动版本,到如下网址找对应的sdk

https://developer.nvidia.com/cuda-toolkit-archive

 

我的是12.0,所以选择

 

 

 

 

 

然后进入后根据具体的情况,选择安装方式,我测试 runfile 没有问题。

 

 

 

 

如下过程都在wsl 的 linux环境中完成。

 

wget https://developer.download.nvidia.com/compute/cuda/12.0.1/local_installers/cuda_12.0.1_525.85.12_linux.run

 

sudo sh cuda_12.0.1_525.85.12_linux.run

 

下载过程会比较慢,3.9G

 

安装过程,会弹屏,输入 accept 继续安装。

然后回选择安装组件,我的全部选择以后报错,后来按照默认选项可以成功安装。

 

安装完毕后,到 /usr/local 查看,有cuda-xx 的目录,xx一般是版本号。这个记录下来,需要在下面用到

 

配置环境变量

vim ~/.bashrc

 

export PATH=/usr/bin:$PATH

export PATH=/usr/local/cuda-XX/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-XX/lib64:$LD_LIBRARY_PATH

 

更新环境变量

source ~/.bashrc

 

执行nvcc,查看安装信息

nvcc -V

 

 

 

 

如果 nvcc 执行报错,说明安装环境失败,重新安装

 

安装 pytorch

安装 conda

https://repo.anaconda.com/archive/

找喜欢的版本,

 

执行下载

 

wget -P /tmp https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh # 下载anaconda安装包至 /tmp 目录下

 

安装

 

bash /tmp/Anaconda3-2022.05-Linux-x86_64.sh # 安装anaconda

 

创建虚拟环境并激活

conda create -n llm python=3.8

激活环境

conda activate llm

 

安装 pytorch

 

https://pytorch.org/get-started/locally/

 

选择对应的版本以及安装方式

 

 

 

 

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

 

 

安装vscode 并测试

下载vscode

https://code.visualstudio.com/

 

安装完毕,增加组件

wsl

 

 

 

点击出现:

 

 

 

然后安装 python 组件

这些组件默认会安装到wsl 中

 

 

 

 

 

 

编写测试代码,看当前是否安装成功pytorch.

Ctrl+Shift+P,打开vs的命令面板,创建jupyter 测试

 

 

 

 

 

输入如下代码,保存点运行

 

import torch

print('',torch.cuda.is_available())

#check if GPU is availableif

if torch.cuda.is_available():

    device = torch.device("cuda")

    #set device, we need this later to pu

    print(f'There are {torch.cuda.device_count()} GPU(s) available.')

    print('Device name:', torch.cuda.get_device_name(0))

else:

    print('No GPU available, using the CPU instead.')

    device = torch.device("cpu")

 

 

 

 

 

 

posted on 2023-04-10 17:18  思考-总结  阅读(1222)  评论(3编辑  收藏  举报