乐趣区

关于wsl2:Windows11使用WSL-Ubuntu搭建paddle的GPU环境

jiezi

Windows11 应用 WSL Ubuntu 搭建 paddle 的 GPU 环境

最近降级到了 Windows11，忽然有个大胆的想法：在 Windows11 上装置 WSL，将所有开发环境装置到 WSL 中。这样就能在 windows 各种 QQ/ 微信 /Steam 玩的飞起，又能在 Linux 中敲代码。

以后工夫：2022-08-13，本文章中所有步骤都是依据官网的装置办法，如果工夫比拟长了，可能须要切换到最新的官网文档。

本文章为装置胜利后的分享，能够释怀参考。

paddle 的坑

  1. 目前不兼容 ubuntu22.04，查资料说是 paddle 不反对高版本 gcc
  2. 间接运行 paddle 提供的 docker 镜像是可行，然而 docker 内的 python 版本过低（python3.7），导致 matplotlib 无奈装置，如果不须要个别依赖包能够不必折腾
  3. 吐槽下，ubuntu22.04 都公布半年了，还做不到兼容，天天吹流弊有个锤子用

版本 / 型号

我的项目 型号
以后工夫 2022-08-13
CPU Intel i7-11700
显卡 GTX 1050 Ti
Windows 11 64 位 专业版 21H2
WSL2 5.10.102.1
Ubuntu 22.04
CUDA 11.7
cuDNN 8.5.0.*

疑难

在实现装置前，本人对 WSL 也有疑难的中央，可能大家也有相似的疑难，所以列举进去。

  • 疑难 1：WSL 就是指 Windows 中运行的 Linux 零碎吗？

    • WSL 是个工具，用于运行 / 管理子系统（如：Ubuntu/Centos）
    • （为了不便表述，上面用 ubuntu 指代其中一个子系统）

  • 疑难 2：WSL 吃资源吗？

    • WSL 工具自身不吃资源，然而运行子系统须要吃资源，毕竟多跑了个零碎

  • 疑难 3：WSL 装置后始终在后盾运行吃资源吗？

    • WSL 是个工具，且子系统不会自启动（默认状况），还能够手动。即不应用的时候不吃资源

  • 疑难 4：docker 要 Windows 中装置，还是要在 ubuntu 中装置？

    • 在 Windows 中装置 Docker Desktop 相当于在 WSL 下又装置了一个跑 docker 的子系统
    • 在 Ubuntu 中装置依照 docker 服务器装置的步骤装置即可
    • 举荐在 ubuntu 中装置，更加节俭内存

    • 以下数据是在 ” 工作管理器 ” 中的 ” 性能 ” 页面察看失去，数据并不谨严，不排除期间开了其他软件等影响，但内存使用量迥异不影响后果判断：

      • 未关上所有子系统，内存应用：4.5G
      • 关上 ubuntu20，内存应用：5.8G
      • 关上 Ubuntu20 内的 docker，内存应用：6.1G
      • 关上 ubuntu20，docker 子系统（装置在 windows 上），内存应用：10.7G
      • 起因：装置在 windows 上的 docker 须要一个子系统来跑 dockers 服务，而在 ubuntu 中装置只是多运行了一个服务，节俭了零碎运行环境须要的资源

  • 疑难 5：在 windows 中装置了驱动，ubuntu 中还须要装置显卡驱动 /CUDA/cuDNN 吗？

    • ubuntu 中不须要再装置显卡驱动，然而须要装置 CUDA/cuDNN

  • 总结

    • WSL 是个子系统管理工具（能够类比为 docker 运行时）
    • 从 WSL 或微软商店装置的 Ubuntu/Centos 才是真正的子系统（能够类比为 docker 的容器）
    • Docker 最好装置在子系统中（节俭内存）

步骤

Windows11 装置 WSL

官网 - 装置 WSL
官网 -WSL 根本命令

  1. 关上 ”Windows 性能 ”，将 ”Hyper-V”/” 实用于 Linux 的 Windows 子系统 ”/” 虚构平台 ” 都勾选上，重启
  2. windows 零碎就主动装置了 wsl 工具
  3. 在微软商店搜寻 ”Ubuntu”，间接点击装置期待实现（这里抉择 ubuntu20.04，因为 paddle 不兼容 ubuntu22，因为）
  4. 关上 ”ubuntu20.04″，如果如下报错 
Installing, this may take a few minutes...
WslRegisterDistribution failed with error: 0x800701bc
Error: 0x800701bc WSL 2 ?????????????????? https://aka.ms/wsl2kernel

Press any key to continue...
  1. 请更新下 WSL 内核并重启即可 
wsl --update

配置 ubuntu20.04 的环境

官网 - 装置 Docker Engine on Ubuntu

  1. 进入 ubuntu 外部
  2. 装置 miniconda 当作 python 管理工具
  3. 更换 ”ubuntu”/”conda”/”pypi” 国内镜像源
  4. 装置 Dockers，留神是装置 Dockers Engine, 而不是 Docker Desktop

驱动 /CUDA/cuDNN 关系

显卡、显卡驱动、cuda 之间的关系是什么？– 智星云服务的答复 – 知乎

应用层到硬件的分层构造
TensorRT for Inference: Paddle
GPU Accelerated SDKcuDNN
CUDA ToolKits
GPU Driver
OS
GPU Computing Servers

装置 CUDA

官网 - 装置 cuda 命令

  1. 提前装置好 miniconda（装置命令会主动配置 conda 环境）
  2. 关上下面的地址，拜访比较慢，刷不进去多试几次，环境不同装置的命令也不同，抉择好参数后会有装置命令，照抄命令就能够了
  3. 有些文章说装置 cuda 后要改环境变量，我提前装好了 miniconda，所以装置好主动配置了，不须要改，关上 ”~/.bashrc” 最下方能够看到配置的内容
  4. 上面以我抉择的参数 ”Linux”/”x86_64″/”Ubuntu”/”20.04″/”deb(network)”，生成的代码如下：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda
  • 在执行最初一个命令时，我遇到了个报错，依据提醒在命令前方加上 ”–fix-missing” 即可，大家装置的时候留神察看装置过程中是否有报错

主动增加的环境变量如下，自己的登录用户名为 ”x”，所以每个人装置的门路都有区别 

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/x/miniconda3/bin/conda''shell.bash' 'hook' 2> /dev/null)"
if [$? -eq 0]; then
    eval "$__conda_setup"
else
    if [-f "/home/x/miniconda3/etc/profile.d/conda.sh"]; then
        . "/home/x/miniconda3/etc/profile.d/conda.sh"
    else
        export PATH="/home/x/miniconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

装置 cuDNN

官网 - 装置 cuDNN

  1. 留神看外面的目录，自行抉择对应的零碎和装置形式
  2. 我抉择的是 ubuntu 的网络装置，执行的代码如下：
# 因为文档中的地址应用了变量，用 export 形式赋值
export OS=ubuntu2004
export cudnn_version=8.5.0.*
export cuda_version=cuda11.7

# 装置
wget https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/cuda-${OS}.pin 

sudo mv cuda-${OS}.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/${OS}/x86_64/ /"
sudo apt-get update
sudo apt-get install libcudnn8=${cudnn_version}-1+${cuda_version}
sudo apt-get install libcudnn8-dev=${cudnn_version}-1+${cuda_version}

实现

下面实现了所有配置，测试下是否胜利

  1. 进入 ubuntu
  2. 进入 conda 环境

  3. 关上 python 命令行 

    import paddle
paddle.utils.run_check()

其余

  • ubuntu 中能够间接拜访 windows 中的文件，挂载在 ”/mnt” 目录下
  • WSL 搭配 vscode 应用十分顺滑，能够参考 VsCode 轻松应用 docker 容器 视频，将 ”Remote SSH” 插件改为 ”Remote WSL” 即可，操作大同小异
退出移动版