Windows子系统WSL2-Linux｜Ubuntu安装英伟达CUDA

本节主要教大家如何在Windows的WSL子系统Ubuntu中安装部署英伟达NVIDIA的CUDA加速运算，关于如何安装CUDA其实非常简单，但因为是WSL子系统的关系，有一些配置问题与真正的Linux系统并不相同，导致站长期间踩坑无数，最主要的问题还是libcuda.so无法找到，需要建立软链接。

前置条件

关于如何安装WSL之前本站有过介绍，这里不做赘述，如何还未安装，请参阅下文：

http://dataddd.com/windows%e5%ad%90%e7%b3%bb%e7%bb%9fwsl%ef%bd%9cubuntu/

CUDA

为保证站长的命令行各项参数与你的系统一致，请严格按以下方式执行命令和操作。

准备工作

请不要使用你之前打开的CMD窗口，此时在你的Windows系统中，尽量关闭之前所有已打开的CMD窗口，重新打开一个CMD窗口。

如果你的电脑中仅存在一个WSL虚拟机，那么执行如下命令，进入虚拟机。

wsl

备注：如果你的电脑中存在多个wsl虚拟机，那么你应该执行wsl -d 虚拟机名称。将虚拟机名称换为你的实际名称，如wsl -d Ubuntu，进入指定虚拟机，而不是默认的。

执行如下命令，切换用户为你的root用户。

su root

备注：执行完成上面的命令后，有可能让你输入密码，密码输入过程中是不可见的，正常放心输入即可。（如果你通过本站的教程所搭建，那么密码与用户名一致，都是dataddd。）

此时我们准备工作已经进行大半，最后执行如下命令，自动切换目录为root用户的主目录下。

cd ~

下载安装

这部分就比较简单了，首先我们要知道自己需要下载什么版本的CUDA，这很重要。因为如果CUDA的版本与其它依赖库的版本不匹配，那么安装后也是无法使用的。

比如PyTorch在你安装时，会让你选择CUDA的版本，一些开源库会要求你安装指定版本的PyTorch，这不是你安装最新的就可以，必须是指定版本。

WSL2｜Linux系统Ubuntu安装CUDA-openAI维基百科

现在比较常用的CUDA版本就是11.8，所以下面的教程以CUDA的11.8版本为例，但请放心，无论哪个版本的安装方式都是一样的，你可以自由决定。

我们【点击此处】打开这个网址，将会看到如下页面。

我们找到自己想要安装的版本，因为站长想安装的是11.8，所以找到这一行，这一行有两个链接可以点击，分别是是CUDA Toolkit 11.8.0和 Versioned Online Documentation，我们要点击CUDA Toolkit 11.8.0这个链接，不然你将会跳转到开发文档，那不是我们这种小白能够看懂的。（如果你想安装其它版本，那就选择你想要的版本号，后面的操作完全一致，不用担心。）

点击CUDA Toolkit 11.8.0之后，你将会看到如下页面：

上面那些按钮的选择是固定的，所以不必须在意你如果选择了其它版本，应该怎么勾选这些按钮。

  • Operating System（系统平台）
    • 因为我们是Ubuntu系统，该系统属于Linux，所以我们这里直接选择Linux。
  • Architecture（系统架构）
    • 因为我们是基于Windows的子系统，所以这里选择X86_64。
  • Distribution（系统版本）
    • 这个怎么解释呢，Linux是开源系统，所以你可以理解为安卓各个厂商，小米的系统叫MUI，华为的叫鸿蒙，Vivo的叫OriginOS，其本质都是一样的，只是发行商不同。
    • 按道理来说，我们应该选择Ubuntu，可该Ubuntu是Windows的子系统，也就是WSL的Ubuntu，所以我们这里需要选择WSL-Ubuntu，这很重要！！
  • Version（版本）
    • 这个版本并不是指CUDA的版本，且只有一个选项，不用理会，直接点击即可。
  • Installer Type（安装方式）
    • deb(local)：【推荐】这种方式是完整的将CUDA下载到本地，然后执行安装。
    • deb(network)：你可以理解为这是一个启动器，通过该启动器内置脚本通过网络一边下载一边安装，但是默认安装的是最新版本，小白不推荐。
    • runfile(local)：通过这种方式安装需要做很多独立选择，不适合小白，Pass。

我们通过上面的选择，将会看到网页中给出下面的一段代码。

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

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb

sudo dpkg -i cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb

sudo cp /var/cuda-repo-wsl-ubuntu-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update

sudo apt-get -y install cuda

注意：如果你选择的是其它版本，那么代码与本站所获取到的是不一样的，不要直接来复制我的！自己去按对应的选择生成。

下面是关于每一行代码的解释，大家简单了解一下就行，因为这部分内容都是按部就班的。

  1. wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
    • 使用wget工具从NVIDIA开发者网站下载一个名为cuda-wsl-ubuntu.pin的文件。这个文件通常包含APT存储库的优先级设置，以确保在安装时从特定的存储库中获取正确版本的软件包。
  2. sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
    • 使用sudo（超级用户权限）将刚刚下载的.pin文件移动到/etc/apt/preferences.d/目录下，并重命名为cuda-repository-pin-600。这确保了在后续的软件包安装过程中，APT工具会考虑这个优先级设置。
  3. wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb
    • 使用wget工具从NVIDIA开发者网站下载CUDA 11.8的WSL Ubuntu版本的.deb安装包。.deb文件是Debian和Ubuntu等基于Debian的发行版用于软件包管理的格式。
  4. sudo dpkg -i cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb
    • 使用sudo（超级用户权限）运行dpkg命令来安装刚刚下载的.deb文件，从而在系统中添加CUDA的APT存储库。
  5. sudo cp /var/cuda-repo-wsl-ubuntu-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
    • 使用sudo复制CUDA存储库的公钥到/usr/share/keyrings/目录，以确保后续从该存储库安装的软件包都是已知并可信的。
  6. sudo apt-get update
    • 使用sudo更新系统的软件包列表。这是确保APT工具知道所有可用软件包及其版本的标准步骤。
  7. sudo apt-get -y install cuda
    • 使用sudo安装CUDA软件包。y标志表示自动答复”yes”，这意味着安装过程中的所有提示都会自动接受，默认为”yes”。

总之，这些命令的目的是从NVIDIA的官方开发者网站下载和安装CUDA 11.8的WSL Ubuntu版本，并确保安装过程中使用正确的存储库和公钥。

关于使用这段代码，就非常简单啦，只需要一行一行的去执行就可以啦，不要一次性全部执行！复制一行，执行一行，执行结束后，再执行下一行。

环境配置

我们现在只是安装完成，但还没有配置环境变量，在没有配置环境变量之前，我们是无法通过Python或其它软件调用CUDA的。

前面那些教程，站长在实际安装部署过程中，五分钟就解决了，下面的才是遇到的真正难题，下面是配置环境变量的教程。

为了让大家尽少减少自己修改命令的麻烦程度，所以我们使用变量的方式，如果你安装的不是11.8版本的CUDA，那么请将11.8修改为你的实际版本。

CUDA_VERSION="cuda-11.8"

执行如下命令，将CUDA的路径写入环境变量中。

echo "export PATH=\"/usr/local/$CUDA_VERSION/bin:\$PATH\"" <strong>|</strong> sudo tee -a /etc/profile.d/somefile.sh

因为WSL的特殊性，所以这里需要软链接来处理一下libcuda.so无法找到的问题。

sudo ln -s /usr/lib/wsl/lib/libcuda.so /usr/local/$CUDA_VERSION/targets/x86_64-linux/lib/libcuda.so

执行如下代码，将建立链接后的位置加入环境变量。

echo "export LD_LIBRARY_PATH=\"/usr/local/$CUDA_VERSION/targets/x86_64-linux/lib:\$LD_LIBRARY_PATH\"" <strong>|</strong> sudo tee -a /etc/profile.d/somefile.sh

最后我们执行如下代码，刷新当前系统环境，否则当前终端依然无法调用CUDA书相关功能。

source /etc/profile.d/somefile.sh

CUDA验证

我们已经安装好啦，我们可以执行如下代码，查看已安装的CUDA版本。

nvcc --version

如果你安装并配置的一切正确的话，那么在你执行完上述代码之后，将会看到类似于如下的内容。

root@dataddd:~# nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2022 NVIDIA Corporation

Built on Wed_Sep_21_10:33:58_PDT_2022

Cuda compilation tools, release 11.8, V11.8.89

Build cuda_11.8.r11.8/compiler.31833905_0

如果你想查看CUDA的安装路径，那么可以执行如下代码。

dirname $<strong>(</strong>which nvcc<strong>)</strong>

执行完上述代码，你将会看到如下内容输入。

root@dataddd:~# dirname $(which nvcc)
/usr/local/cuda-11.8/bin

这代表我们的CUDA已被安装在/usr/local/cuda-11.8/bin目录下。

总结

关于CUDA的安装本来没有什么难度，但是因为WSL的特殊性，所以CUDA的调用方式与正常的Ubuntu不同，不然无法找到libcuda.so文件，就无法调用CUDA。