为了进行深度学习训练和推理,我们需要安装NVIDIA显卡和CUDA工具包。在Docker中,我们可以使用nvidia-docker来运行带有GPU支持的容器。三、Windows Subsystem for Linux(WSL)WSL是Windows 10/11的一个功能,允许在Windows环境下运行Linux子系统。通过WSL,我们可以轻松地在Windows上运行Linux命令和应用程序。对于深度学习开发,使...
使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker,但这个方式显然不如CUDA和cuDNN玩的爽。 所以张小白又试了一下这种方式,环境依然是上篇的那个环境。 配置下终端软件XShell和传输软件XFtp WSL2环境在Windows 11中可以通过 开始菜单中输入 Ubuntu ,然后打开 或者以管理员身份运行: 但是这样往往一次只能打开一...
因此,我基于Win11发布的WSL2 (Windows Subsystem for Linux),在其中安装Ubuntu,并利用Docker搭建可以调用GPU的深度学习环境。 我的设备和软件版本如下: Y7000P-2020,AMD-4800,NVIDIA-RTX-2060(notebook) Win11,Win11-NVIDIA-Driver-516.94,Win11-NVIDIA-CUDA-11.7,NVIDIA-cudnn-8.4.0 WSL-2,Ubuntu-20.04,Linux-NV...
CUDA TOOLKIT › Simplifying Deep Learning NVIDIA provides access to a number of deep learning frameworks and SDKs, including support for TensorFlow, PyTorch, MXNet, and more. Additionally, you can even run pre-built framework containers with Docker and the NVIDIA Container Toolkit in WSL. Fra...
《张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0(GPU版)》https://bbs.huaweicloud.com/blogs/292836 使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker,但这个方式显然不如CUDA和cuDNN玩的爽。 所以张小白又试了一下这种方式,环境依然是上篇的那个环境。
windows11下的界面如下: image.png 没有打开前是这样的: 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。
继续，安装CUDA。在WSL2环境下执行指定的CUDA Toolkit下载链接中提供的脚本，确保选用与系统兼容的版本。紧接着，安装Docker。避免使用Docker for Windows，因为它可能无法正常识别GPU。在WSL2内安装nvidia-docker，即可确保深度学习框架的GPU加速。至此，深度学习开发环境已搭建完成。进入WSL2环境后，可能会...
然后，配置Linux子系统的docker环境和GPU。进入CUDA Toolkit 12.4 Update 1下载页面，选择相应的系统配置安装CUDA。以下是安装WSL-Ubuntu 2.0 deb安装的命令。安装完成后，在命令行输入nvidia-smi检查安装成功与否。最后，打开docker Desktop的WSL2集成。至此，所有安装步骤完成。
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | apt-key add - 结果执行到第2行报错了,试了几次都不行·。 根据以下文档: https://www.cnblogs.com/jimchen1218/p/14186262.html 替换阿里云apt源: sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak ...
《张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0(GPU版)》https://bbs.huaweicloud.com/blogs/292836 使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker,但这个方式显然不如CUDA和cuDNN玩的爽。 所以张小白又试了一下这种方式,环境依然是上篇的那个环境。