在 WSL2 上安装 TensorFlow-GPU

Posted 2023-04-15

【中文标题】在 WSL2 上安装 TensorFlow-GPU

【英文标题】：Install Tensorflow-GPU on WSL2

【发布时间】：2020-12-20 02:35:19

【问题描述】：

有没有人在带有 NVIDIA GPU 的 WSL2 上成功安装了 Tensorflow-GPU？我在 WSL2 上有 Ubuntu 18.04，但正在努力安装 NVIDIA 驱动程序。如果我迷路了，任何帮助将不胜感激。

【问题讨论】：

您是否遵循了本指南？ docs.nvidia.com/cuda/wsl-user-guide/index.html#running-dlfw

@FariborzGhavamian 是的，我做到了。我有一个使用 Thunderbolt3 通过 Razor Core X Chroma eGPU 连接到 Dell Precision 7540 的 NVIDIA Titan V。该卡在 Windows 中被 Tensorflow 2.3 检测到，但 Ubuntu-18.04 LTS 中的 Docker 说它找不到 GPU。

【参考方案1】：

所以我刚刚开始运行。

您需要遵循的步骤是here。总结一下：

注册windows Insider程序，获取windows的开发版本，让你拥有最新版本 安装wsl 2 从 Windows 商店安装 Ubuntu 在 windows 上安装 wsl 2 cuda 驱动 安装 cuda 工具包 安装cudnn（可以从windows下载linux版本，然后拷贝文件到linux） 如果您遇到诸如“无法分配内存”之类的内存错误，那么您可能需要增加 wsl 可以获得的内存量 然后安装tensorflow-gpu 祈祷它有效

我遇到的错误：

如果第一次打开 ubuntu 时遇到错误，则需要在 bios 中启用虚拟化 如果您无法运行安装说明中的 ./Blackscholes 示例，您可能没有正确构建 Windows！您必须拥有正确的版本 如果在运行 tf 时遇到“无法分配内存”错误，则需要为 wsl 提供更多内存。默认情况下它只访问你的一半内存

在 Windows 中的用户目录下创建一个 .wslconfig 文件，其中包含所需的内存量。我的看起来像：

[wsl2]
memory=16GB 

运行一些代码后编辑

这比我直接在 Windows 上运行时要慢得多。我从每个 epoch 1 分钟到 5 分钟。我只是要双启动。

【讨论】：

链接的指令既错误又不充分。例如，要验证您是否在 WSL2 下运行，他们会说：启动 Linux 发行版并使用以下命令确保它在 WSL 2 模式下运行：wsl.exe --list -v 命令

我在安装 cudnn 时遇到问题。你能告诉你是如何在wsl上安装cudnn的吗

【参考方案2】：

感谢以下文章，我可以确认我无需在 WSL2 上使用 Docker 即可完成这项工作：

https://qiita.com/Navier/items/cf551908bae707db4258

请务必更新到驱动程序版本 460.15，而不是 CUDA 文档中列出的 455.41。

注意，这不适用于 TCC 模式下的卡（仅限 WDDM）。此外，请务必将您的文件放在 Linux 文件系统上（即，不要放在安装驱动器上，例如 /mnt/c/）。 Linux 文件系统的性能明显更快（这与 WSL 1 与 WSL 2 的实现差异有关；请参阅 1、2 和 3）。

注意：另见Is the class generator (inheriting Sequence) thread safe in Keras/Tensorflow?

【讨论】：

文章不是英文的

@asaf92 我不需要懂普通话就能按照这些步骤进行操作（我能够在字里行间阅读）。但是，如有必要，您可以使用谷歌翻译。在我写这个答案时，这种方法对我有用。

【参考方案3】：

这些是我在 Ubuntu 20.04 中必须遵循的步骤。我不再使用开发频道，Beta 频道适用于这个用例并且更加稳定。

安装 WSL2

从 Windows 应用商店安装 Ubuntu 20.04

从以下位置安装适用于 Windows 的 Nvidia 驱动程序：https://developer.nvidia.com/cuda/wsl/download

在 WSL 中安装 nvcc： sudo apt install nvidia-cuda-toolkit

检查它是否存在： nvcc --version

对于我的用例，我从事数据科学，并且已经安装了 anaconda。我创建了一个环境：

conda create --name tensorflow
conda install tensorflow-gpu

然后在激活环境的情况下用这个小python程序测试它：

import tensorflow as tf
tf.config.list_physical_devices('GPU')
sys_details = tf.sysconfig.get_build_info()
cuda = sys_details["cuda_version"]
cudnn = sys_details["cudnn_version"]
print(cuda, cudnn)

由于我不明白的原因，我的机器在没有安装 nvcc 的情况下无法找到 GPU，实际上给出了一条错误消息，说它找不到 nvcc。

我发现的在线教程让你分别下载了 CUDA 和 CUDNN，但我认为 NVCC 包括 CUDNN，因为它是 . . .不知何故。

【讨论】：

我刚刚尝试过，sys_details 确实显示了 cuda 版本，但 tf.config.list_physical_devices('GPU') 返回空列表

【参考方案4】：

我只想指出，使用 anaconda 安装 cudatoolkit 和 cudnn 在 wsl 中似乎不起作用。

也许路径存在一些问题，导致 TF 仅在系统路径而不是 conda 环境中查找所需文件。

【讨论】：

使用接受的答案。它不涉及康达。 conda 的所有答案都不起作用，是的。