通过WSL2来实现Windows10/11的深度学习模型GPU加速，TensorFlow项，Jupyter及其插件安装，CQF心得，金融量化

通过WSL2来实现TF的GPU加速

[为什么要用WSL（Windows Subsystem Linux）](#为什么要用WSL（Windows Subsystem Linux）)
安装WSL2，miniconda，cuda，cudnn，TA-Lib
- [安装 WSL2](#安装 WSL2)
- [安装 Miniconda3](#安装 Miniconda3)
- [安装 CUDA](#安装 CUDA)
- [安装 cuDNN](#安装 cuDNN)
- [安装 TensorFlow 库](#安装 TensorFlow 库)
- [安装 TA-Lib 库](#安装 TA-Lib 库)
- 安装其它CQF及金融量化相关的库
希望这篇博客对您有所帮助

为什么要用WSL（Windows Subsystem Linux）

主要是Windows开窍了，觉得让DEVs的门槛稍微降低，让普通人也有机会接触到开发和应用这一块。抛去这些7788的冠冕堂皇，来个实在些的就是TensorFlow已经在2.10版之后不再支持Windows平台的GPU加速技术了，就问你闹心不？就问你恶心不？！像我这种傻不啦叽的直接在Windows上用TensorFlow 2.15版写代码的，然后再反向寻找GPU加速，这简直就是灾难，我来罗列一下：

TF 2.15版写出来的代码是修复了很多Bugs的，相对来讲已经比较能稳定的运行市场上目前很多的模型架构，譬如CNN RNN LSTM及其相关的衍生出来的算法模型。但是2.0 ~ 2.12版的TF可以说是灾难性的，因为我们学习的代码基本上都是CuttingEdge的，TF也得一直更新跟进，顺手消灭一些Bugs的存在。当然了，大家再一年后看我这篇帖子，也会觉得2.15可能也是Bug重重的。
TF 2.15的确修复了很多Bugs，代码运行方面也比 2.10 GPU版成熟了很多，毕竟经历了5代大更新；但是懂python的人都懂，不同python库版本写出来的代码有很大的可能性是不能通用的，In my case scenario，是的，你丫就是不能用2.15写的代码在2.10上运行，气你肝儿疼。
那么我们真的就不能在Windows上实现GPU加速了么？答案是否定的。我们可以通过WSL来搭建一个虚拟Linux平台，然后通过我们的IDE（Pycharm Jupyter VScode 等）把WSL的interpreter（解析器）从次平台导入到Windows主平台里进行使用。

安装WSL2，miniconda，cuda，cudnn，TA-Lib

安装 WSL2

我的Windows10是22H2版本的，超过这个版本应该都适用。据官方给出来的答案是从1903版开始可以正常安装使用WSL2, 请提前做好功课；
通过cmd或者powershell的管理员模式来进行安装wsl2，现在默认的版本是ubuntu2204LTS版；
wsl --install -d ubuntu
安装好之后可以设置以什么身份来登录WSL2，建议用root来登录，省去很多麻烦；
wsl --shutdown
ubuntu.exe --default-user root
如果你想切换回用户模式，可以用下面的命令在cmd或者powershell的管理员模式来进设置；
wsl --shutdown
ubuntu.exe --default-user -u <你的用户名>
然后在cmd或者powershell的管理员模式来进入到WSL2里
wsl
如果你想进入到你的用户模式的文件夹，输入以下：
cd /home/<你的用户名>
参考文献如下：

安装 Miniconda3

建议大家安装的时候在/home/<你的用户名>下面操作，以后装啥都在这里操作，以免遇到问题或者找不到文件啥的。

下载最新版的Linux版本miniconda3到文件夹内；
wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
给予权限；
chmod 777 Miniconda3-latest-Linux-x86_64.sh
开始安装miniconda3；
bash Miniconda3-latest-Linux-x86_64.sh
如果出现conda不能使用的问题，请参阅文献，vim保存的时候先点击esc，然后输入:wq!；
创建一个你的Python运行环境；
conda create -n <你想起的环境名> python==<你想安装的python版本>
我的环境是3.10.13，py3.10的最后的稳定版；
一定要先去查看你运行的TensorFlow或者PyTorch兼容哪个Python版本；
不建议选择bugfix版本的python，最新的不一定是最好的；
激活你的环境；
source activate <你的环境名>
参考文献如下：
- windows系统下装载wsl2，安装Miniconda3或Anaconda进行生信准备工作

安装 CUDA

链接：CUDA的最新版首页
按照网站给出的安装指示进行安排即可，没有什么特别麻烦的步骤，就是复制粘贴，一行一行来；
记得你应该还在 /home/<你的用户名>这个目录下，如果不是请cd到那里cd /home/<你的用户名>；
你的python环境也是应该被激活的，看看wsl命令行前面有没有(<你的环境名>)；
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/12.3.2/local_installers/cuda-repo-wsl-ubuntu-12-3-local_12.3.2-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-3-local_12.3.2-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-3-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-3
注意看好了你装的是什么版本的。截止到2024年1月份，Linux版本的CUDA更新到12.3，如果你想安装12.3版本就按照我的来；如果你装的时候已经变成12.5或者13.x了，请自行复制粘贴官网的安装命令；
具体安装过程我就不贴出来了，参考文献里面博主写得很详细，耗时大约10分钟左右，看你的网速多快了。一共要下载3G多文件；
参考文献如下：
- TensorFlow GPU不可用，WSL2安装

安装 cuDNN

记得你应该还在 /home/<你的用户名>这个目录下，如果不是请cd到那里cd /home/<你的用户名>；
你的python环境也是应该被激活的，看看wsl命令行前面有没有(<你的环境名>)；
现在我们试试nvidia-smi是否已经能看到你的nVidia的相关信息；
重新安装一遍cudatoolkit；
conda install -c conda-forge cudatoolkit=11.8.0
这里我装的cudnn是最新版的8.9.6.50，在Windows的时候我的LSTM代码只能用这个版本才能运行，不知道为什么；
pip install nvidia-cudnn-cu11==8.9.6.50 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
安装完成后配置环境
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib
自动配置
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
具体参考文献：
- TensorFlow GPU不可用，WSL2安装

安装 TensorFlow 库

记得你应该还在 /home/<你的用户名>这个目录下，如果不是请cd到那里cd /home/<你的用户名>；
你的python环境也是应该被激活的，看看wsl命令行前面有没有(<你的环境名>)；
安装tensorflow其实挺straight forward的，因为我们已经把前面需要的dependencies都搞定了；
pip install tensorflow==<你想装的版本> 我目前用的是的是==2.15.0版；
然后测试一下我们有没有设置成功；
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]的字样已经体现，如果返回的结果只是[ ]空白的，说明未成功，可以回去排查一下哪里出现了问题，或者说安装的不够严谨。
关于Your kernel may have been built without NUMA support.的提示，可以忽略，StackOverflow上有人问过这个问题，已解决。
参考文献：
- TensorFlow GPU不可用，WSL2安装
- Your kernel may have been built without NUMA support.。

安装 TA-Lib 库

TA-Lib库是数据技术分析的主要运行库之一，非常好用，但是吧，它是C语言编译的，没有办法普通pip install来安装。

记得你应该还在 /home/<你的用户名>这个目录下，如果不是请cd到那里cd /home/<你的用户名>；
你的python环境也是应该被激活的，看看wsl命令行前面有没有(<你的环境名>)；
准备工作
sudo apt-get install aptitude
sudo apt install build-essential
sudo apt install python3-dev
sudo apt install automake
sudo apt install libtool
安装TA-Lib
git clone https://github.com/TA-Lib/ta-lib.git
cd ta-lib
sudo chmod u+x autogen.sh
./autogen.sh
./configure --prefix=/usr
make
sudo make install
pip install TA-Lib
参考文献：
- Win11+WSL2+Ubuntu22.04LTS+TA-Lib

安装其它CQF及金融量化相关的库

这个安装列表是我自己整理出来的，有一定的个人偏好，可以自行修改增减。

你的python环境也是应该被激活的，看看wsl命令行前面有没有(<你的环境名>)；
pip install akshare backtrader tushare pywencai qstock py-vollib
pip install scipy statsmodels tabulate taichi scikit-learn pymysql sqlalchemy
pip install networkx pandas-ta cufflinks sympy plotly seaborn pyecharts pyfinance yfinance
pip install lightgbm catboost xgboost shap boruta
安装Jupyter及其相关插件，
这里不要修改，目前notebook7版本与插件不兼容，
这个配搭是一套完美的配搭组合，
pip install notebook==6.4.6 jupyter traitlets==5.9.0
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
pip install jupyter_nbextensions_configurator
jupyter nbextensions_configurator enable --user
jupyter notebook --generate-config