• 欢迎访问佰阅部落
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

WIN10子系统WSL2上使用CUDA计算入门教程

人工智能 佰阅 3年前 (2020-06-29) 5017次浏览 0个评论

在Build 2020大会上,Microsoft宣布Windows子系统wsl2上支持GPU计算。本篇就来实际操作下究竟如何使用NVIDA显卡的CUDA,来加速计算人工智能研究。

0. 原理图

如上图所展示,大意就是在Windows和Linux之间,通过wsl2的专用CUDA驱动来实现的。

1. 准备条件

  • Windows预览版:内核为2004
  • WSL2的ubantu子系统
  • Windows Terminal
  • WSL上的CUDA驱动程序

上述条件,预览版可以在Windows设置里修改,选择windwos预览版即可。wsl2windows terminal都可以在微软商店搜索安装。wsl的专用CUDA驱动程序,可以在NVIDA官方下载安装

2. Docker环境和NIVIDA环境设置

docker环境安装,可以用我们常用的一键脚本,也可以手动。不过在执行脚本前,先更新一下本地宝包管理器。
注意:下面代码运行前,请先开全局梯子,否则有些过程网速很慢。

apt update -y

然后在wsl中安装Docker

echo y | bash <(curl -L -s https://raw.githubusercontent.com/Baiyuetribe/codes/master/docker.sh)

接着安装NVida容器工具包

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list


上述命令可以整块粘贴过去。
刷新Ubuntu apt存储库,然后安装Nvidia依赖包:

sudo apt update && sudo apt install -y nvidia-docker2


然后在CMD或POWERSHELL里关闭Ubantu

wsl.exe --shutdown Ubuntu


至此,环境准备已完毕。

3. 测试CGP计算

在Windows Terminal打开Ubantu,然后启动Docker:

service docker start


下面开始具体测试,运行下面的脚本:

docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark

如果一切正常,会输出如下结果:

恭喜,你已经搭建好了一套CUDA加速的开发系统。

4. 实际应用

下面为GPU计算的jupyter在线开发环境,文件比较大,本站就不做演示了,可以在谷歌Colab现成体验或者按下面步骤自己安装测试。

docker run -u $(id -u):$(id -g) -it --gpus all -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter


有点奇怪的是,使用谷歌colab实验室,转本地jupter接口时,提示无法连接,有点异常。

5. 更多资料


佰阅部落 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:WIN10子系统WSL2上使用CUDA计算入门教程
喜欢 (3)

您必须 登录 才能发表评论!