当前位置: 首页 > web >正文

Windows系统配置WSL2及Cuda

一、安装wsl

1.前期准备

打开控制面板,选择“程序”→“启动或关闭Windows功能”,勾选“适用于Linux的Windows子系统” 和“虚拟机平台”,之后重启电脑,如下图所示:

2.下载 Linux 内核更新包

下载 Linux 内核更新包wsl_update_64.msi,下载链接为:

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

3.下载ubuntu20.04

在微软商店中下载ubuntu20.04(下载时间可能会比较长,需耐心等待。。。长时间没动静多进几次试一试~),如下图所示:

4.将wsl更新到wsl2

设置wsl2为默认版本,以管理员身份打开powershell,输入:

wsl --set-default-version 2

之后启动wsl(见下图),第一次会安装 Ubuntu 需要创建用户名以及密码,直接输入即可(注意在输入密码时是不会显示的,无需担心,直接输入然后回车就行!)

二、安装cuda环境

1.查看自己电脑的cuda版本

在cmd中输入:

nvidia-smi

cuda版本如下图所示,因此支持安装的cuda版本必须低于这里的版本!

2.安装 cudatoolkit

进入官网选择对应版本的 cudatoolkit,官网地址为:

CUDA Toolkit Archive | NVIDIA Developer

笔者下载的版本时cuda11.7,按下图选择即可,之后将下方的命令复制到wsl中回车即可:

3.cuda环境变量配置

在wsl中输入:

sudo nano ~/.bashrc

再将下面两行添加进文件最后(注意如果下载的不是11.7版本的cuda,需要改路径中的cuda版本号):

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

按Ctrl+X保存并退出,再更新环境变量,输入:

source ~/.bashrc

4.测试

这时输入:

nvcc -V

如果没有报错并显示:

恭喜你,配置成功!!!

三、下载Linux版的Anaconda(补充)

官网复制 Linux 版本下载链接,在wsl中输入:

wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh

再执行(输入sh A 按TAB自动补全):

sh Anaconda3-2023.03-Linux-x86_64.sh

http://www.xdnf.cn/news/5935.html

相关文章:

  • 【实战】基于 ABP vNext 构建高可用 S7 协议采集平台(西门子 PLC 通信全流程)
  • 【Python生活】如何构建一个跌倒检测的算法?
  • 快速排序、归并排序、计数排序
  • 2025.5.13总结
  • 使用bitNet架构
  • GBK与UTF-8编码问题(2)
  • 数据结构—(链表,栈,队列,树)
  • 腾讯优化DeepSeek的DeepEP通信框架:开启AI大模型训练新时代
  • 股指期货是什么?有啥特点?怎么用?
  • 鸿蒙 Core File Kit(文件基础服务)之简单使用文件
  • 常时间运行的程序 导致系统卡顿 自动监控系统CPU和内存利用率 自动选择 内存回收 软件重启 电脑重启
  • 养生:拥抱健康生活的有效之道
  • eward hacking 问题 强化学习钻空子
  • MQTT协议技术详解:深入理解物联网通信基础
  • 项目管理系统供应链:打造高效运营“强引擎”
  • vsomeip环境搭建保姆级教程
  • Python训练打卡Day23
  • Java jar包程序 启动停止脚本 shell bash
  • 数据分析预备篇---Pandas的Series
  • Easysearch 时序数据的基于时间范围的合并策略
  • 软考软件测评师——计算机网络
  • MySQL历史版本下载及安装配置教程
  • GPT 经验
  • javax.servlet.Filter 介绍-笔记
  • 数字经济发展对“一带一路”地区农产品贸易效率的影响:基于空间溢出效应的视角
  • 数据分析文章目录
  • PyTorch的dataloader制作自定义数据集
  • 机器学习之决策树与决策森林:机器学习中的强大工具
  • Matlab基于SSA-MVMD麻雀算法优化多元变分模态分解
  • [特殊字符]CentOS 7.6 安装 JDK 11(适配国内服务器环境)