WSL2启用NVIDIA CUDA
来源：https://docs.microsoft.com/zh-cn/windows/ai/directml/gpu-cuda-in-wsl
：https://www.jianshu.com/p/2b79a32bf416
主要安装过程：
适用于 Linux 的 Windows 子系统安装指南 (Windows 10)
1、系统要求
Windows 11 or Windows 10, version 21H2.
2、windows系统安装GPU驱动（WSL2下的linux系统并不需要安装驱动）
https://developer.nvidia.com/cuda/wsl
3、linux内核要求
要求内核版本 5.10.43.3 或 更高。
4、在WSL2上安装CUDA Toolkit（2种）：https://docs.nvidia.com/cuda/wsl-user-guide/index.html
1）用WSL-Ubuntu Package安装CUDA Toolkit 11.8，官网网址有安装命令！
2）用Meta Package安装CUDA Toolkit（注意：不要在WSL2上安装NVIDIA driver）
$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin $ sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 $ wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-ubuntu2004-11-4-local_11.4.0-470.42.01-1_amd64.deb $ sudo dpkg -i cuda-repo-ubuntu2004-11-4-local_11.4.0-470.42.01-1_amd64.deb $ sudo apt-key add /var/cuda-repo-ubuntu2004-11-4-local/7fa2af80.pub $ sudo apt-get update $ apt-get install -y cuda-toolkit-11-4
3）配置环境：参考链接
（1）添加环境变量到 ~/.bashrc 文件的末尾，具体添加内容如下：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64 export PATH=$PATH:/usr/local/cuda-11.3/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.3
（2）激活环境变量命令为 source ~/.bashrc 。
（3）测试 CUDA Toolkit 。 通过编译自带 Samples并执行， 以验证是否安装成功。具体命令如下所示：
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
5、安装cudnn
1、从 NVIDIA 官方网址 https://developer.nvidia.com/rdp/cudnn-download 下载cudnn-linux-x86_64-8.9.5.29_cuda11-archive.tar.xz
解压压缩包，并把相应的文件，复制到指定目录即可。如下所示：
tar zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz sudo cp cuda/include/cudnn* /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*
5、安装Docker
$ curl https://get.docker.com | sh
6、安装NVIDIA Container Toolkit（以前的nvidia-docker2）
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) $ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - $ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list $ sudo apt-get update $ sudo apt-get install -y nvidia-docker2
$ sudo service docker stop $ sudo service docker start
7、运行CUDA Container
$ docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
8、注意事项
-
基本要求：Cuda的要求高于简单的WSL2安装，且Cuda需要开启用户体验计划，开启后需要及时检查更新内核至需要的版本
-
Linux系统：尽管可以从WSL1使用的系统直接转为WSL2，但是1中已经安装了很多包，各种依赖关系，不如为WSL2设置一个新系统
-
Cuda Driver：只在windows中安装，无需在linux中再安装，意味着
nvidia-smi命令是无效的 -
Cuda Toolkit：先查看自己需要的包是否需要单独安装，若单独安装，取消选中Driver；否则（如用conda安装pytorch时），conda会附带下载对应的Cuda Toolkit，不用自己单独安装
-
安装成功后如果突然
torch.cuda.is_available()为False，注意Windows下NVIDIA驱动更新（NVIDIA官网提供的WSL专用驱动更新），以及WSL2下对应cudatoolkit的版本更新
