访问PyTorch官网,查找适合WSL的安装命令: 访问PyTorch官网,选择适合你的CUDA版本(如果有GPU支持的话)的PyTorch安装命令。 注意:由于WSL目前不支持CUDA加速,所以你需要选择CPU版本的PyTorch。 在WSL终端中执行PyTorch安装命令: 如果你选择使用pip来安装PyTorch,可以使用以下命令(以PyTorch 1.13
Enable NVIDIA CUDA on WSL 2docs.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl 然后,我们只需要在CUDA on WSL | NVIDIA Developer上下载对应版本的驱动进行安装即可 2,Cuda安装 2.1 安装 Cuda安装,稍微注意的是,如果我们安装的通用版本的Cuda,我们无需安装驱动(因为驱动已经在windows环境下安装...
访问Torch官网，根据已安装的Cuda版本选择相应的安装命令。可能需要使用代理下载Torch安装包。在WSL2环境中，通过交互式编辑器验证GPU的调用。仅当Cuda计算成功时，才能确认GPU已被正确调用，从而验证Torch安装成功。通过以上步骤，你可以在Windows环境下成功安装并配置WSL2、Cuda、Miniconda和Torch，从而优化深度...
验证GPU能否被调用 打开WSL2,输入python进入交互式编辑器 import torch if torch.cuda.is_available(): device = torch.device("cuda") x = torch.tensor([1.0, 2.0, 3.0]) x = x.to(device) y = torch.tensor([4.0, 5.0, 6.0]) y = y.to(device) z = x + y print(z) else: device = to...
安装Miniconda，从镜像源选择Linux版本的下载链接，使用`wget`下载，注意选择64位版本。下载完成后，不使用`sudo`直接安装，安装完成后重启终端。接着，访问Torch官网，根据你的Cuda版本选择相应的安装命令，可能需要使用代理。在WSL2环境中，通过交互式编辑器验证GPU的调用，仅当Cuda计算成功时，才能确认GPU...