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。