Windows 11 和 Windows 10 版本 21H2 支持运行在适用于 Linux 的 Windows 子系统 (WSL) 实例内使用 NVIDIA CUDA 进行 GPU 硬件加速的现有 ML 工具、库和常用框架。 这包括 PyTorch 和 TensorFlow 以及本机 Linux 环境中提供的所有 Docker 和 NVIDIA Container Toolkit 支持。
在容器内部,您可以运行需要特定CUDA版本的程序或软件包。由于容器是独立的运行环境,因此您可以在容器之间轻松切换,而无需担心主机系统的环境配置。另外,如果您需要更高级的功能,例如使用Docker Compose进行多容器编排或使用Docker Swarm进行集群管理,请参考Nvidia-Docker官方文档以获取更多详细信息。总之,通过结合WSL2和Nvidi...
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...
3. 在WSL2中安装CUDA(WSL2中操作) 参考CUDA官网,选择自己对应的版本。 https://developer.nvidia.cn/cuda-downloads 这里的cuda版本,要比刚才cmd中标注的CUDA version要低。 比如我的CUDA version是11.6,我在下载CUDA驱动时,可以安装最新的11.5版本。 一定要选择红圈标注的WSL版本!!! 选择cuda版本及安装模式 选择...
启动延迟是一些本机 Linux 应用程序与 WSL2 之间性能差异的主要原因之一。这里有两个重要指标: GPU 内核启动延迟:通过 CUDA 调用启动内核并由 GPU 启动执行所需的时间。 端到端开销(启动延迟加上同步开销):通过 CUDA 调用启动内核并在 CPU 上等待其完成所需的总时间,不包括内核运行时本身。
GPU WSL 中的容器 除了DirectX 和 CUDA 支持之外, NVIDIA 还增加了对 WSL2 中的 NVIDIA 容器工具包(以前是 NVIDIA -docker2 )的支持。数据科学家准备在 Linux 本地硬件下运行或在云端执行的容器化 GPU 工作负载现在可以在 Windows PC 上的 WSL2 中运行。
wsl2中执行CUDA Toolkit 11.4 Update 2 Downloads | NVIDIA Developer 这个链接下2021.9.11的执行脚本是: wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 ...
2. 准备 WSL 2.1. 安装 WSL 在管理员模式下打开 PowerShell 或 Windows 命令提示符 wsl --install 安装完成,重启电脑 2.2. 首次打开 WSL 重启完成后,打开 powershell,输入 wsl 此时应该会提示为 Linux 发行版创建“用户名”和“密码” 如果这里提示没有安装 Linux 发行版,那么这里可以再次执行wsl --install,...
2. 安装WSL2 3. 在WSL2中安装CUDA 日常办公使用的是Windows操作系统,但是开发过程中不可避免要使用到Linux且需要GPU支持,VMWare和VBox等虚拟机方案不支持游戏显卡虚拟化,在不安装双系统情况下WSL2不仅可以提供Linux较为完整的支持,同时还能共同host中的GPU,是一个较为理想的解决方案。