在WSL 2 上啟用 NVIDIA CUDA 使用TensorFlow 2 的 DirectML 啟用 TensorFlow 使用DirectML 套件的 TensorFlow 常見問題 範例應用程式 API 參考 Windows Machine Learning 閱讀英文 儲存 新增至集合 新增至計劃 共用方式為 Facebookx.comLinkedIn電子郵件 列印
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb sudo cp /...
https://docs.nvidia.com/cuda/wsl-user-guide/index.html 4 发布可在wsl2上运行的CUDA https://developer.nvidia.com/blog/announcing-cuda-on-windows-subsystem-for-linux-2/ Windows Subsystem of Linux(WSL)是Windows 10 功能特性之一,提供了一个容器化环境,使用户能够直接在 Windows 上运行本机 Linux 命令...
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) $wgethttps://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin$sudomvcuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-reposit...
Nvidia-WSL驱动官方文档:https://docs.nvidia.cn/cuda/wsl-user-guide/index.html 检测是否安装成功 cmd命令行输入: nvidia-smi 如果出现类似于下图效果,即安装完成。 检测驱动是否安装完成 记下图中的CUDA version 3. 在WSL2中安装CUDA(WSL2中操作)
命令行启动Ubuntu,激活虚拟环境,测试CUDA是否在pytorch中可运行 一、wsl的安装 1.首先去windows官网查看安装方法 https://docs.microsoft.com/zh-cn/windows/wsl/install 管理员模式进入命令行,运行下面命令: wsl--install-d<Distribution Name># 将<Distribution Name>更换成想要的版本,例如:Ubuntu-18.04 ...
PS C:\Users\DELL>wsl.exe--status 默认分发:docker-desktop-data默认版本:2适用于 Linux 的 Windows 子系统最后更新于2022/3/15适用于 Linux 的 Windows 子系统内核可以使用“wsl--update”手动更新,但由于你的系统设置,无法进行自动更新。 若要接收自动内核更新,请启用 Windows 更新设置:“在更新 Windows 时接...
总之,通过结合WSL2和Nvidia-Docker,您可以轻松地在不同CUDA版本之间进行切换,从而实现高效、灵活的深度学习环境配置。这种组合使得在不同项目或实验之间切换变得更加容易,并且避免了因环境配置不当而导致的问题。希望本文能够帮助您开始使用WSL2和Nvidia-Docker进行CUDA版本自由切换。
一旦您完成了以上步骤,您就可以在 WSL2 中运行 GPU 加速的代码了。在终端中,导航到包含您的代码的目录,并运行相应的命令来启动 TensorFlow 或 PyTorch 会话。确保在运行代码之前已经正确设置了 CUDA 和 cuDNN 环境变量。例如,运行一个简单的 TensorFlow 程序:python -c “import tensorflow as tf; print(tf....