通过WSL安装Ubuntu并使用GPU部署运行大模型

1.安装wsl下的ubuntu

2.安装docker

3.验证GPU驱动

[4.安装 CUDA Toolkit](#4.安装 CUDA Toolkit)

[5.在容器中测试NVIDIA Container Toolkit](#5.在容器中测试NVIDIA Container Toolkit)

[6.安装 NVIDIA Container Toolkit](#6.安装 NVIDIA Container Toolkit)

[7.配置 Docker 运行](#7.配置 Docker 运行)

[8.测试基础 GPU 访问](#8.测试基础 GPU 访问)

9.测试安装完成

[10.启动 Ollama 容器](#10.启动 Ollama 容器)

1.安装wsl下的ubuntu

以管理员身份打开 PowerShell 或 Windows 命令提示符=

powershell，安装指定版本,指令：

复制代码

wsl --install -d Ubuntu-24.04

安装完成会提示输入用户名、密码以及确认密码；

输完之后直接进入ubuntu

查看当前版本：

开始菜单中多了一项

检查网络配置

先更新下载

sudo apt-get update；

sudo apt-get install net-tools；

2.安装docker

安装步骤见：

从零搭建局域网大模型服务器：Ubuntu Server + Ollama + LiteLLM + Claude Code 完整指南_claudecode通过litellm接本地ollama模型-CSDN博客

安装验证

3.验证GPU驱动

输入：nvidia-smi

验证**nvcc --version**

提示未找到，则安装

4.安装 CUDA Toolkit

你的系统是 Ubuntu 24.04，请执行以下命令：

复制代码

# 1. 下载并安装 NVIDIA 官方软件源配置包
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb

# 2. 更新软件包列表
sudo apt-get update

# 3. 安装 CUDA Toolkit（安装后自动配置环境变量）
sudo apt-get -y install cuda-toolkit-12-6

设置环境变量

ls /usr/local/ | grep cuda

find /usr -name nvcc 2>/dev/null

设置环境变量

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc

echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc

更新环境变量source ~/.bashrc

验证 nvcc --version

5.在容器中测试NVIDIA Container Toolkit

复制代码

# 1. 停止并删除失败的容器
sudo docker stop ollama 2>/dev/null
sudo docker rm ollama 2>/dev/null

# 2. 卸载现有的 nvidia-container-toolkit（如果已安装）
sudo apt-get remove -y nvidia-container-toolkit nvidia-container-runtime
sudo rm -f /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update

6.安装 NVIDIA Container Toolkit

复制代码

# 1. 安装依赖
sudo apt-get install -y curl gnupg

# 2. 添加 NVIDIA 官方 GPG 密钥
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

# 3. 添加软件源
echo "deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://nvidia.github.io/libnvidia-container/stable/deb/$(ARCH) /" | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 4. 更新并安装
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

7.配置 Docker 运行

bash

复制代码

# 1. 配置 Docker 使用 NVIDIA 运行时
sudo nvidia-ctk runtime configure --runtime=docker

# 2. 重启 Docker 服务
sudo systemctl restart docker

# 3. 验证配置是否成功
cat /etc/docker/daemon.json

8.测试基础 GPU 访问

sudo docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

9.测试安装完成

运行docker,安装ollama

打开终端，拉取最新的 Ollama Docker 镜像。

复制代码

sudo docker pull ollama/ollama:latest

等待下载完成

10.启动 Ollama 容器

sudo docker run -d --gpus all --name ollama -p 11434:11434 -v ollama_data:/root/.ollama ollama/ollama

参数：--gpus all，在显卡中启动ollama,不加该参数默认在内存中运行

复制代码

 sudo docker run -d --gpus all --name ollama -p 11434:11434 ollama/ollama

加载模型，可以进入docker中下载也可以在本地命令行操作，

docker exec -it ollama ollama run qwen2.5-coder:32b

或则进入容器的命令行：

sudo docker exec -it ollama /bin/bash

ollama run qwen2.5-coder:32b

此处32b需要更具自己的现显存确定，大概计算方式为32/2*1.5=24G(需要运行的显存大小)

第一次执行是要下载大模型的需要等一会

说明有一部分加载到内存里面去了，看看

指令：docker exec -it ollama ollama ps

可以看出确实有一部分加载到内存里面去了，可以删除模型下载一个14b的，此处不在演示；