在Windows 11的WSLWindows Subsystem for Linux环境中安装Anaconda、CUDA、CUDNN和TensorRT的详细步骤整理本文是用cuda12.4与CuDNN 8.9.7 和 TensorRT 9.1.0 及以上对应一、前言准备确保电脑上有NVIDIA GPU并且已经安装了NVIDIA驱动。通过WSL已经安装了Ubuntu。理论上如果Windows上已经安装了NVIDIA驱动WSL不需要再次安装。使用nvidia-smi命令查看电脑上的CUDA版本。二、安装Anaconda、CUDA、CUDNN、TensorRT2.1 Anaconda安装官网下载既然您已经下载好了Anaconda的安装包接下来可以按照以下步骤在Linux系统中安装Anaconda打开终端首先打开您的Linux终端。导航到下载目录使用cd命令切换到包含下载的Anaconda安装脚本的目录。例如如果安装包下载在Downloads文件夹中您可以使用以下命令cd~/Downloads请根据您的实际下载位置调整路径。运行安装脚本运行下载的安装脚本。假设您的安装包名为Anaconda3-2023.07-Linux-x86_64.sh您可以使用以下命令bashAnaconda3-2023.07-Linux-x86_64.sh请将脚本名称替换为您实际下载的文件名。同意许可协议在安装过程中您会被提示阅读并同意许可协议。按Enter键继续当出现协议文本时使用键盘上下键阅读按Space键翻页然后按Enter键接受协议。使用文本编辑器打开.bashrc文件并检查vim~/.bashrcexportPATH/path/to/anaconda3/bin:$PATHsource~/.bashrcecho$PATH验证安装为了验证Anaconda是否正确安装您可以运行以下命令conda--version这应该会显示安装的conda版本。创建新环境可选如果您希望为不同的项目创建隔离的环境可以使用conda创建新的环境conda create--namemyenvpython3.9这将创建一个名为myenv的新环境其中包含Python 3.9。激活环境创建环境后您可以使用以下命令激活它conda activate myenv按照这些步骤您应该能够在Linux系统中成功安装并配置Anaconda。如果在安装过程中遇到任何问题可以参考Anaconda的官方文档或寻求社区帮助。2.2 CUDA安装选择CUDA版本访问NVIDIA的CUDA Toolkit Archive页面选择与您的NVIDIA驱动兼容的CUDA版本。这里选的cuda12.4https://developer.nvidia.com/cuda-12-4-0-download-archive?target_osLinuxtarget_archx86_64DistributionWSL-Ubuntutarget_version2.0target_typedeb_local下载WSL专用安装包选择WSL-Ubuntu对应的安装包下载。执行安装命令 - 按照下载页面提供的命令执行安装。例如wgethttps://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-600wgethttps://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda-repo-wsl-ubuntu-12-4-local_12.4.0-1_amd64.debsudodpkg-icuda-repo-wsl-ubuntu-12-4-local_12.4.0-1_amd64.debsudocp/var/cuda-repo-wsl-ubuntu-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/sudoapt-getupdatesudoapt-get-yinstallcuda-toolkit-12-4设置环境变量sudotouch/etc/profile.d/cuda.shechoexport PATH/usr/local/cuda/bin/:$PATH|sudotee-a/etc/profile.d/cuda.shechoexport LD_LIBRARY_PATH/usr/local/cuda/lib64/:/usr/lib/wsl/lib/:$LD_LIBRARY_PATH|sudotee-a/etc/profile.d/cuda.shexportPATH/usr/local/cuda/bin:$PATHexportLD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATHexportPATH/usr/local/cuda-12.4/bin${PATH::${PATH}}exportLD_LIBRARY_PATH/usr/local/cuda-12.4/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}}exportCUDA_HOME/usr/local/cuda-12.4 nvcc-V验证安装安装成功后可以通过nvcc -V命令验证CUDA是否安装成功。2.3 CUDNN安装下载CUDNN从NVIDIA官网下载与CUDA版本匹配的CUDNN tar包。官网地址2.解压并安装将下载的tar包复制到Ubuntu的一个文件夹下本文是home/用户名下的Downloads解压并复制文件到CUDA目录tar-xvfcudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xzsudocpcudnn-*-archive/include/cudnn*.h /usr/local/cuda/includesudocp-Pcudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64sudochmodar /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*验证安装运行以下命令验证CUDNN版本cat/usr/local/cuda/include/cudnn_version.h|grepCUDNN_MAJOR-A22.4 TensorRT安装下载TensorRT从NVIDIA官网下载与CUDA版本匹配的TensorRT tar包。解压并安装将下载的tar包复制到Ubuntu的一个文件夹下解压并设置环境变量tar-xzvfTensorRT-10.2.0.19.Linux.x86_64-gnu.cuda-12.5.tar.gzexportLD_LIBRARY_PATH$LD_LIBRARY_PATH:/home/z/DownloadsTensorRT-10.2.0.19/lib切换到python目录下安装tensorrt python whl文件注意这里的pip安装一定是下载到自己的虚拟环境下比如anaconda下pytorch环境激活后根据当前环境的python版本安装对应的tensorrt, 我的当前环境python为3.9就安装3.9对应的tensorrt whl文件pipinstalltensorrt-10.2.0-cp39-none-linux_x86_64.whl验证安装运行以下命令验证TensorRT版本sudofind/-nameNvInferVersion.h python-cimport tensorrt; print(tensorrt.__version__)三、补充Nvidia-driver安装与卸载卸载旧驱动如果需要卸载旧的NVIDIA驱动sudoapt-getremove--purgenvidia*sudoaptremove--purge*nvidia*sudo/usr/bin/nvidia-uninstall下载新驱动从NVIDIA官网下载新的驱动run文件。安装新驱动禁用nouveau驱动echooptions nouveaumodeset0|sudotee-a/etc/modprobe.d/nouveau-kms.confsudoapt-getinstalllinux-sourcesudoapt-getinstalllinux-headers-$(uname-r)安装驱动sudoservicelightdm stopsudochmod777NVIDIA-Linux-x86_64-xxxx.xx.runsudo./NVIDIA-Linux-x86_64-xxxx.xx.run -no-x-check -no-nouveau-check -no-opengl-files验证驱动安装运行以下命令验证驱动是否安装成功nvidia-smi通过以上步骤您应该能够在WSL中的Ubuntu发行版成功安装CUDA、CUDNN和TensorRT并配置好环境变量。
