WSL:修订间差异
无编辑摘要 |
无编辑摘要 |
||
(未显示同一用户的3个中间版本) | |||
第80行: | 第80行: | ||
==使用GPU== | ==使用GPU== | ||
=== | |||
在 WSL 2 | |||
=== WLS中使用 === | |||
在 WSL 2 设置NVIDIA CUDA : | |||
*1.在Windows上安装 NVIDIA 驱动程序:https://www.nvidia.com/Download/index.aspx 。安装后在Windows和WSL中输入<code>nvidia-smi</code>,检查是否安装成功。 注意,不要在 WSL 中安装任何 Linux 显示驱动程序。 | *1.在Windows上安装 NVIDIA 驱动程序:https://www.nvidia.com/Download/index.aspx 。安装后在Windows和WSL中输入<code>nvidia-smi</code>,检查是否安装成功。 注意,不要在 WSL 中安装任何 Linux 显示驱动程序。 | ||
*2.安装CUDA Toolkit, 首先,删除旧的 GPG 密钥:<code>sudo apt-key del 7fa2af80</code> ,按照页面安装CUDA Toolkit,该本地安装包不含驱动: https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local | *2.安装CUDA Toolkit, 首先,删除旧的 GPG 密钥:<code>sudo apt-key del 7fa2af80</code> ,按照页面安装CUDA Toolkit,该本地安装包不含驱动: https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local | ||
=== Docker中使用 === | |||
在Docker中使用,只需要Windows安装好NVIDIA 驱动程序即可。 | |||
使用[[TensorFlow]]测试GPU是否可用 | |||
<syntaxhighlight lang="bash" > | |||
docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \ | |||
python -c "import tensorflow as tf; print(tf.test.is_gpu_available())" | |||
</syntaxhighlight> | |||
{{了解更多 | {{了解更多 | ||
|[https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gpu-compute WSL 文档:WSL 中 ML 的 GPU 加速入门] | |[https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gpu-compute WSL 文档:WSL 中 ML 的 GPU 加速入门] | ||
|[https://www.tensorflow.org/install/docker TensorFlow 文档:安装/Docker ] | |||
|[https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html Nvidia 文档:NVIDIA Container Toolkit 安装] | |||
|[https://developer.nvidia.com/cuda/wsl Nvidia 文档:CUDA on WSL] | |[https://developer.nvidia.com/cuda/wsl Nvidia 文档:CUDA on WSL] | ||
|[https://docs.nvidia.com/cuda/wsl-user-guide/index.html Nvidia 文档: WSL2 上的 CUDA 用户指南] | |[https://docs.nvidia.com/cuda/wsl-user-guide/index.html Nvidia 文档: WSL2 上的 CUDA 用户指南] | ||
|[https://docs.nvidia.com/ai-enterprise/deployment-guide-vmware/0.1.0/docker.html NVIDIA GPU 安装 Docker 和 Docker Utility Engine ] | |||
|[https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html Nvidia 文档:Linux上安装NVIDIA CUDA] | |||
}} | }} | ||
2023年7月6日 (四) 01:25的最新版本
WSL,是Windows Subsystem for Linux(适用于 Linux 的 Windows 子系统)的简称。可让直接在 Windows 上运行 GNU/Linux 程序,且比虚拟机开销小,速度快。
简介
时间轴
安装
Windows 10 版本 2004 及更高版本(内部版本 19041 及更高版本)可以直接安装:
wsl --install
了解更多 >> WSL 文档:安装 WSL
旧版安装
1. 启用WSL功能。以管理员身份打开 PowerShell 并运行以下命令,按照成功后重启系统:
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
2. 更新到 WSL 2,如果不能更新则需升级系统。首先启用虚拟机功能,以管理员身份打开 PowerShell 并运行:
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
然后下载WSL的Linux 内核更新包并安装。接下来设置WSL 2 设置为默认版本,打开PowerShell输入如下命令:
wsl --set-default-version 2
3. 安装 Linux 分发版。打开Microsoft Store,选择并安装。更多分发版见官网安装文档。
4. 安装Windows 终端,使用更方便。
了解更多 >> WSL 文档:安装 WSL 1 与更新到 WSL 2
WSL命令
名称 | 描述 | 示例 |
---|---|---|
卸载 | wsl --unregister <版本名称> <版本名称>可以通过 wsl --list 查看,如wsl --unregister Ubuntu ,wsl --unregister Ubuntu-20.04
|
了解更多 >> WSL 文档:WSL 的基本命令
移动到其他盘
先安装好一个WSL系统,如Ubuntu-22.04,导出再导入即可:
# 停止运行
wsl --shutdown
# 导出该系统到文件
wsl --export Ubuntu-22.04 D:\temp\Ubuntu-22.04.tar
# 注销卸载原来的系统
wsl --unregister Ubuntu-22.04
# 指定位置,并导入系统
wsl --import Ubuntu-22.04 D:\ubuntu-22.04\ D:\temp\Ubuntu-22.04.tar
默认情况下,使用 --import 时,总是作为根用户启动。 可以在系统内/etc/wsl.conf
指定原来的用户名(示例yourname)默认启动。
# 主机上运行Ubuntu-22.04
wsl -d ubuntu-22.04
# 在buntu-22.04系统内,设置默认启动用户为yourname
echo -e "[user]\ndefault=你的用户名" >> /etc/wsl.conf
# 主机上关闭正在运行的虚拟机
wsl --shutdown Ubuntu-22.04
使用GPU
WLS中使用
在 WSL 2 设置NVIDIA CUDA :
- 1.在Windows上安装 NVIDIA 驱动程序:https://www.nvidia.com/Download/index.aspx 。安装后在Windows和WSL中输入
nvidia-smi
,检查是否安装成功。 注意,不要在 WSL 中安装任何 Linux 显示驱动程序。
- 2.安装CUDA Toolkit, 首先,删除旧的 GPG 密钥:
sudo apt-key del 7fa2af80
,按照页面安装CUDA Toolkit,该本地安装包不含驱动: https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local
Docker中使用
在Docker中使用,只需要Windows安装好NVIDIA 驱动程序即可。
使用TensorFlow测试GPU是否可用
docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"
了解更多 >> WSL 文档:WSL 中 ML 的 GPU 加速入门 TensorFlow 文档:安装/Docker Nvidia 文档:NVIDIA Container Toolkit 安装 Nvidia 文档:CUDA on WSL Nvidia 文档: WSL2 上的 CUDA 用户指南