vim ~/.bashrcexportCUDA_HOME=/usrexportPATH=$PATH:$CUDA_HOME/bin 如果是11.4版本配置如图 默认大家都能熟练使用 vim step5 然后测试一下英伟达官方demo git clone GitHub - NVIDIA/cuda-samples: Samples for CUDA Developers which demonstrates features in CUDA Toolkit 进入文件夹 cd cuda-samples/ 随便找个...
通过conda clean -i更新缓存 最后,安装CUDA toolkit,注意Nvidia贴心地为我们准备了使用WSL版本的toolkit,不要安装正常的toolkit工具,否则会因为安装了多个驱动而造成异常。另外,建议选择runfile版本的安装文件,会少踩很多坑。 export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_P...
importtorch print('',torch.cuda.is_available()) #check if GPU is availableif iftorch.cuda.is_available(): device = torch.device("cuda") #set device, we need this later to pu print(f'There are{torch.cuda.device_count()}GPU(s) available.') print('Device name:', torch.cuda.get_de...
打开命令提示符（CMD），输入`lspci`检查显卡是否被WSL识别。如果出现错误，安装`pciutils`后再次尝试。如果显卡被识别，说明驱动已就绪；否则，请更新Windows上英伟达驱动。接下来，确认是否有C语言编译器，如gcc。如果没有，自行搜索安装方法。然后，安装CUDA编译器工具11.4，注意安装过程中可能需要耐心等待...
aptinstallnvidia-cuda-toolkit 所以需要添加一下环境变量,就可以了。 root@DESKTOP-PO8BKKM:~# export PATH=$PATH:/usr/local/cuda/bin root@DESKTOP-PO8BKKM:~# nvcc --versionnvcc: NVIDIA (R) Cuda compiler driver Copyright (c)2005-2023NVIDIA Corporation ...
sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list' apt-get update 有些网络不能访问developer.download.nvidia.com 请换个网络访问 比如手机网络 apt-get update ...
三、安装CUDA 注意:Windows平台安装最新的NIVDIA驱动以获得对vGPU的支持(早期是单独的版本现在不是) sudoapt-key del 7fa2af80wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudomvcuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600sud...
安装CUDA Toolkit 在wsl里,这里举例用到微软store下载的Ubuntu-18.04 sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" > /...
：bash conda activate pytorch 最后，使用conda安装Pytorch和cuDNN（如果需要GPU加速）：bash conda install pytorch torchvision cudatoolkit= -c pytorch conda install cudnn 至此，你就成功在WSL2中配置好了CUDA和Pytorch，可以开始愉快地使用Pytorch进行GPU加速的开发了。
https://docs.microsoft.com/en-us/windows/ai/directml/gpu-cuda-in-wsl cuda 首先确定自己win的版本号需要在21H2以上,如果没有的话还是升级一下 装wsl2,这个网上很多教程,略过了,记得换源就行 然后是cuda,首先装一个win的带cuda的显卡驱动,连接如下https://developer.nvidia.com/cuda/wsl ...