wsl ubuntu24.04 cuda13 cudnn9 pytorch 显卡加速

在WSL Ubuntu中部署CUDAToolkit cuDNN pytorch显卡加速

软件 版本
ubuntu 24.04
cuda-tookit 13.0
cudnn 9.15.0
pytorch 2.9.0+cu130
torchaudio 2.9.0+cu130
torchvision 2.9.0+cu130

在WSLUbuntu中部署Python3.12、CUDAToolkit和cuDNN的官方下载页面及步骤如下:

bash 复制代码
mkdir ~/cuda ~/cudnn

1.安装WindowsGPU驱动(WSL专用)

WSL2的GPU加速依赖Windows驱动,需下载NVIDIAWSL2专用驱动。

官方下载页面 :NVIDIACUDAonWSLDownloads

选择适合你显卡型号的驱动版本(如471.21或更新),下载后直接在Windows中安装。

注意:安装驱动后需重启Windows,并确保WSL已升级到版本2。

2.安装CUDAToolkit(WSL专用)

NVIDIA提供针对WSL的CUDAToolkit安装包。

官方下载页面 :CUDAToolkit13forWSL

选择以下命令下载并安装:

bash 复制代码
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb -P ~/cuda
sudo dpkg -i ~/cuda/cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-0

安装完成后,配置环境变量:

bash 复制代码
echo 'export PATH=/usr/local/cuda-13/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-13/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

验证安装:

bash 复制代码
nvcc --version

3.安装cuDNN

cuDNN需与CUDAToolkit版本匹配,不推荐当独安装,在安装tpytorch的时候会自动安装匹配的版本。

-官方下载页面 :
NVIDIAcuDNNDownload

下载后执行以下命令安装:

bash 复制代码
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb -P ~/cudnn
sudo dpkg -i ~/cudnn/cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cudnn-jit

-验证cudnn

bash 复制代码
ldconfig -p | grep libcudnn

4.安装Python3.12和PyTorch

  • 安装Python3.12相关工具(WSLUbuntu中默认可能未预装):

    bash 复制代码
    sudo apt update
    sudo apt -y install python3 python3-pip python3.12-venv
  • 创建虚拟环境

    bash 复制代码
    mkdir pytorch-code && cd pytorch-code
    python3 -m venv .venv
    source .venv/bin/activate
    python -m pip install --upgrade pip setuptools -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装PyTorch(GPU版本) :

    可通过官方 nightly 版本安装,命令示例:

    bash 复制代码
    pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu130
  • 验证PyTorch可调用CUDA和cuDNN:

    python 复制代码
    import torch
    
    # 验证 CUDA 是否可用
    print("CUDA 可用性:", torch.cuda.is_available())
    
    # 验证 cuDNN 是否可用
    print("cuDNN 可用性:", torch.backends.cudnn.is_available())
    
    # 查看 CUDA 版本
    print("CUDA 版本:", torch.version.cuda)
    
    # 查看 cuDNN 版本
    print("cuDNN 版本(PyTorch 加载的版本):", torch.backends.cudnn.version())
    
    # 测试 GPU 张量运算
    if torch.cuda.is_available():
      # 在 GPU 上创建随机张量
      gpu_tensor = torch.randn(3, 3).cuda()
      print("GPU 张量示例:\n", gpu_tensor)
    
      # 执行简单运算并验证结果
      result = gpu_tensor + gpu_tensor
      print("GPU 运算结果:\n", result)
    else:
      print("未检测到可用 GPU,建议检查 CUDA 或 PyTorch 安装")
      

通过以上步骤,可在WSLUbuntu中完成Python3.12、CUDAToolkit和cuDNN的部署,并验证GPU加速功能。

相关推荐
ZONGYUAN-ROOT1 分钟前
【API配额】多源 LLM API 配额池化实战:轮换调度、变化量监控、故障自愈一套方案(Python 完整实现)
人工智能
syso_稻草人11 分钟前
qwen-image-2.1 高清放大拆解:Qwen21LatentUpscale 潜空间 2x + denoise 0.35 修细节,12 组场景实测
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1
tryCbest28 分钟前
Python 爬虫从入门到实战(一):基础篇——从零写出第一个爬虫
开发语言·爬虫·python
无小道32 分钟前
Python语句的特色
python·语句
羲云网络1 小时前
GPT Image 2.6 动态表情怎么改:从情绪歧义到动作节奏验收
人工智能·gif·图像编辑
EatFan1 小时前
AI Agent 工程化元年:从单体智能到 Agent 集群的架构演进与落地路径
人工智能·架构·ai agent·autogen·crewai·agent集群·记忆工程
2601_967980112 小时前
python pytest如何编写测试
python·测试用例·pytest·函数·assert
泯泷2 小时前
别再“裸聊”大模型了!你家的 AI 为什么总胡说八道?根子在 RAG
人工智能·算法·架构
玖米GEO运营王总监2 小时前
成都AI数字人视频怎么批量生产?流程与合规标注
大数据·人工智能·音视频
f6m274dww2cmd2 小时前
拆一个类目第一的20个曝光词:43% 的搜索量来自第二页
人工智能