如何使用wsl2搭建基于Tensorflow GPU的深度学习环境？-CDA数据分析师官网

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：

打开 PowerShell 作为管理员。

运行以下命令来启用虚拟化功能：

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

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。

将 WSL2 设置为默认版本：

wsl --set-default-version 2

在 Microsoft Store 中下载并安装 Ubuntu 或其他喜欢的 Linux 发行版。

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。

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。

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。

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。

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

添加环境变量：

运行以下命令打开 .bashrc 文件：
```
nano ~/.bashrc
``
```

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

保存并退出 .bashrc 文件，运行以下命令更新环境变量：

source ~/.bashrc

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。

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

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

pip3 install tensorflow-gpu

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。

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；