登录
首页大数据时代如何使用wsl2搭建基于Tensorflow GPU的深度学习环境?
如何使用wsl2搭建基于Tensorflow GPU的深度学习环境?
2023-03-31
收藏

WSL2(Windows Subsystem for Linux)是一种在 Windows 10 上运行 Linux 内核的子系统,可以让用户在 Windows 系统中使用 Linux 工具和命令行。TensorFlow 是一个广泛使用的深度学习平台,在 NVIDIA GPU 上使用 TensorFlow 可以加速模型训练。本文将介绍如何在 WSL2 上搭建基于 TensorFlow GPU 的深度学习环境。

步骤一:安装 WSL2

在 Windows 10 中启用 WSL2 需要满足以下条件:

  • 使用 Windows 10 版本2004或更高版本
  • 启用了虚拟化功能
  • 安装了适用于 x64 计算机的 Windows 10 Home 或 Windows 10 Pro。
  • 安装了最新的 Windows 更新。

按照以下步骤启用 WSL2:

  1. 打开 PowerShell 作为管理员。

  2. 运行以下命令来启用虚拟化功能:

    dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
    
  3. 下载并安装 WSL2 Linux 内核更新程序:

    • 下载地址:https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
    • 安装程序后重启计算机。
  4. 将 WSL2 设置为默认版本:

    wsl --set-default-version 2
    
  5. 在 Microsoft Store 中下载并安装 Ubuntu 或其他喜欢的 Linux 发行版。

  6. 启动 Ubuntu 并设置用户名和密码,完成 WSL2 安装。

步骤二:安装 NVIDIA 驱动程序

由于 TensorFlow 使用 NVIDIA GPU 加速,需要先在 WSL2 中安装 NVIDIA 驱动程序。需要注意的是,WSL2 不支持直接访问 GPU,需要安装 NVIDIA 驱动程序和 CUDA 工具包,然后通过 CUDA 提供的 API 调用 GPU。

  1. 下载适用于 Linux 的 NVIDIA 驱动程序:

    • 下载地址:https://www.nvidia.com/Download/index.aspx?lang=en-us
    • 选择 Linux -> x86_64 -> Ubuntu -> Long Lived Branch -> Latest Version,下载 .run 文件。
  2. 安装驱动程序:

    • 在 Ubuntu 中打开终端,切换到 .run 文件所在目录。

    • 运行以下命令添加执行权限:

      chmod +x NVIDIA-Linux-x86_64-.run
      
    • 运行以下命令安装 NVIDIA 驱动程序:

      sudo ./NVIDIA-Linux-x86_64-.run
      
    • 重新启动 Ubuntu。

步骤三:安装 CUDA 工具包和 cuDNN

CUDA(Compute Unified Device Architecture)是 NVIDIA 开发的用于 GPU 加速计算的平台,包括 C 编程语言扩展和运行时库。cuDNN(CUDA Deep Neural Network library)是 NVIDIA 开发的用于深度学习的 GPU 加速库。

  1. 下载适用于 Linux 的 CUDA 工具包:

    • 下载地址:https://developer.nvidia.com/cuda-downloads
    • 选择 Linux -> x86_64 -> Ubuntu -> 20.04 -> deb (local),下载 .deb 文件。
  2. 安装 CUDA 工具包:

    • 在 Ubuntu 中打开终端,切换到 .deb 文件所在目录。

    • 运行以下命令安装 CUDA 工具包:

      sudo dpkg -i cuda-repo-ubuntu2004-11-6-local_11.6.0-1_amd64.deb
      sudo apt-key add /var/cuda-repo-ubuntu2004-11-6-local/7fa2af80.pub
      sudo apt-get update
      sudo apt-get install cuda
      
  3. 添加环境变量:

    • 运行以下命令打开 .bashrc 文件:

      nano ~/.bashrc
      ``
  1. 在文件末尾添加以下内容:

    export PATH=/usr/local/cuda-11.6/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64:$LD_LIBRARY_PATH
    
  2. 保存并退出 .bashrc 文件,运行以下命令更新环境变量:

    source ~/.bashrc
    
  3. 下载适用于 Linux 的 cuDNN 库:

    • 下载地址:https://developer.nvidia.com/rdp/cudnn-download
    • 注册 NVIDIA 开发者计划账户,选择 Linux -> x86_64 -> Ubuntu -> 20.04,下载 .deb 文件。
  4. 安装 cuDNN 库:

    • 在 Ubuntu 中打开终端,切换到 .deb 文件所在目录。

    • 运行以下命令安装 cuDNN 库:

      sudo dpkg -i libcudnn8_8.2.4.15-1+cuda11.6_amd64.deb
      

步骤四:安装 TensorFlow GPU

  1. 在 Ubuntu 中打开终端,运行以下命令安装 TensorFlow GPU:

    pip3 install tensorflow-gpu
    
  2. 验证 TensorFlow 是否正确安装:

    • 在 Python 中运行以下代码:

      import tensorflow as tf
      print(tf.__version__)
      
    • 如果输出版本号,则表示 TensorFlow GPU 已成功安装。

结论

本文介绍了如何在 WSL2 上搭建基于 TensorFlow GPU 的深度学习环境。需要先安装 WSL2,然后安装 NVIDIA 驱动程序和 CUDA 工具包,最后安装 cuDNN 库和 TensorFlow GPU。安装过程可能会遇到某些问题,需要根据具体情况进行调试和解决。如果您是第一次使用深度学习平台,可以参考 TensorFlow 的官方文档学习相关知识。

数据分析咨询请扫描二维码

客服在线
立即咨询