前言

本文主要讲解如何在 Widnows 11 环境下的 WSL2（Ubuntu20.04）配置 CUDA 来启用 GPU 加速（本文默认您已经在 Windows 上安装完成 Nvidia CUDA）

配置流程

检查驱动

打开 GeForce Experience 检查驱动程序的情况，需要更新到最新版，最后重启 GeForce Experience。

安装 CUDA

命令生成

生成安装命令

选择版本：CUDA Toolkit Archive | NVIDIA Developer (opens new window)

安装工具：CUDA Toolkit 12.2 Update 1 Downloads | NVIDIA Developer (opens new window)

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.2.1/local_installers/cuda-repo-wsl-ubuntu-12-2-local_12.2.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-2-local_12.2.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

问题：dpkg: unrecoverable fatal error, aborting: unknown system user 'redis' in statoverride file;

vim /var/lib/dpkg/statoverride

root crontab 2755 /usr/bin/crontab
root root 1733 /var/lib/php/sessions
root messagebus 4754 /usr/lib/dbus-1.0/dbus-daemon-launch-helper
redis redis 640 /etc/redis/redis.conf

删除掉最后一行即可

配置环境

vim ~/.zshrc
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PAT
source ~/.zshrc

如果使用的是其他 shell ，请修改为其他配置文件

验证

# 验证是否安装成功
nvcc -V

# 查看驱动
nvidia-smi

安装 CUDA（非 WSL2）

CUDA Toolkit Archive | NVIDIA Developer (opens new window)

和上面一样选择自己合适的版本，按照官网给出的命令安装即可。安装包过慢，可以自己使用 IDM 等工具单独下载再上传

安装类型选择：runfile (local)

需要注意的是：运行安装包的时候不选择安装 Driver （因为安装版本都比固有版本低，没有必要安）

# vim ~/.bashrc
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
# source ~/.bashrc

如果您安装后，发现CUDA的版本不太对，这时候需要将已安装的CUDA卸载，这个卸载非常简单，在您下载的 /usr/local/cuda11.6/bin 文件夹，有个 cuda-uninstaller 执行文件，直接运行命令，等待即可看到已经卸载干净了，然后重新安装另外版本的 CUDA即可： sudo ./cuda-uninstaller

安装 cuDNN

cuDNN（CUDA Deep Neural Network，CUDA 深度神经网络库）

cuDNN 比 CUDA 安装简单，下载对应版本压缩包，拷贝文件到指定目录，给予权限就好了

【下载地址 (opens new window)】

wget https://developer.nvidia.com/downloads/compute/cudnn/secure/8.9.3/local_installers/12.x/cudnn-linux-x86_64-8.9.3.28_cuda12-archive.tar.xz/
tar -xvf cudnn-linux-x86_64-8.9.3.28_cuda12-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

验证是否可以GPU加速

pip3 install torch torchvision torchaudio

import torch
print(torch.cuda.is_available())

输出为 True 即表示 CUDA GPU 加速成功

Pytorch、CUDA、显卡驱动版本对应

1.CUDA驱动和CUDAToolkit对应版本

注：驱动是向下兼容的，其决定了可安装的CUDA和CUDAToolkit的最高版本。

2.CUDA及其可用PyTorch对应版本

注：虽然有的卡CUDA版本可更新至新版本，且PyTorch也可对应更新至新版本。但有的对应安装包无法使用，有可能是由于卡太旧的原因。

更多请详细查看官网：Previous PyTorch Versions | PyTorch (opens new window)

参考文章

Windows11 WSL2 Ubuntu18.04环境中配置CUDA (opens new window)

WSL2端配置pytorch GPU加速环境_wsl2 pytorch (opens new window)

tensorflow - WSL2- nvidia-smi command not running - Stack Overflow (opens new window)