Windows下的Linux完整体验。WSL2安装Ubuntu+xfce4图形化界面(VcXsrv)+CUDA+Cudnn+Pytorch

IDBike 2024-07-02 14:37:09 阅读 77

1.前期准备

当前时间2024/5/1,尽管Ubuntu24.04已经发布,但是由于缺少ROS2以及Cudnn等软件,在此依然选择Ubuntu22.04

windows系统为win11,首先需要打开Windows功能中的以下几项

接着在bios中开启cpu虚拟化,我的BIOS里相关选项叫SVM,不同厂家可能名称不太一样

2.安装wsl子系统并配置桌面

重启后以管理员模式运行windows终端,输入(当前默认的Ubuntu版本是22.04,未来可能会有变化,如果默认版本改变,就把wsl --install -d Ubuntu更换为wsl --install -d Ubuntu-22.04)

wsl --update

wsl --set-default-version 2

wsl --shutdown

wsl --install -d Ubuntu

安装完成后重新打开win终端,输入

wsl -l -v

 返回值为已安装的linux子系统,运行状态,wsl版本。(我这里已经打开了,所以才显示running)

之后我们暂时关闭终端,开始安装VcXsrv。VcXsrv这个软件是用来实现图形化桌面的显示。

下载链接如下

VcXsrv Windows X Server download | SourceForge.net

安装完成后打开VcXsrv,需要修改的地方为第一个窗口显示模式

以及这一页中additional parameters

一路下一页并确定后我们会得到一个黑框框。暂时不要管它,把它放后台即可

之后我们依然以管理员模式打开windows终端,输入ipconfig,可以找到一个wsl本地连接ipv4地址。

记住这个ipv4地址

之后我们要打开刚才安装的ubuntu22.04,我们可以在终端添加新窗口处找到我们已安装的系统

点击后即可打开系统

输入lsb_release -a可以查看发行版本

进入系统后,首先进行更新,并安装以下几个包

sudo apt update

sudo apt upgrade

sudo apt install build-esstential

sudo apt install xfce4

然后在~/.bashrc这个文件的最后一行添加如下内容并保存(具体vim使用不再赘述)

export DISPLAY=172.30.80.1:0

这里填的是我自己的ipv4地址,读者把其中的172.30.80.1换成自己wsl的ipv4地址即可

之后运行一下

source ~/.bashrc

当然,为了确保无误,此时可以重启一下wsl子系统,具体方法是,在windows终端里运行以下指令,再重新打开

wsl --shutdown

至此如果步骤没有错,那么就可以准备打开图形界面了(需要注意的是,每次都要先打开VcXsrv,然后再开启ubuntu子系统)

打开Ubuntu子系统后运行如下命令

sudo startxfce4

如果一切正常,应该可以看到VcXsrv中显示图形化界面

 xfce4不同于gnome,是个非常轻量化的系统,右键调出主菜单,操作和gnome不太一样。

3.安装CUDA、Cudnn、Pytorch

 与virtualbox或vmware不同的是,wsl可以更直接的调用显卡,大大方便了开发者(所以未来的鸿蒙PC能不能搞个Linux子系统直接开发昇腾npu呢?)

具体的wsl下cuda安装流程可以参考以下内容

CUDA on WSL

这里由于要考虑到后面pytorch兼容性问题,我依然选择cuda12.1

各版本的CUDA安装链接如下

https://developer.nvidia.com/cuda-toolkit-archive

这里我选择的安装方式是runfile local

按照网页给出的命令安装,过程中一切保持默认即可(具体来说,不要安装nvidia驱动,只安装cuda,cuda12.1安装包里面不包含nvdia驱动,所以说默认即可)。完成后,需要在~/.bashrc中添加环境变量如下

export PATH=$PATH:/usr/local/cuda-12.1/bin

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.1/lib64/

export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64

之后,在ubuntu中运行nvcc -V,可以显示出nvcc版本即可

只要cuda安装无误,那么Cudnn和Pytorch直接按照官网给出的命令安装即可

cuDNN 9.1.0 Downloads | NVIDIA Developer

PyTorch



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。