【保姆级教程】如何在Win11上搭建一个GPU环境

致Great

发布于 2024-11-23 10:55:41

1.9K0

文章被收录于专栏：自然语言处理自然语言处理

CUDA和CUDNN安装

CUDA安装

下载对应cuda环境

下载链接：https://developer.nvidia.com/cuda-downloads，图片下载的是 cuda_12.6.1_560.94_windows.exe

然后一路安装即可：

安装路径如下：

CUDNN安装

打开cuDNN下载页面

解压后我们得到以下的目录结构：

我们将文件夹覆盖到上面的CUDA安装目录下，比如我的CUDA的安装目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6，将压缩包内对应的文件夹复制到bin、include、lib目录下即可

环境变量配置

然后添加环境变量，鼠标右键此电脑 => 属性 => 高级系统设置 => 环境变量，将CUDA的安装目录添加到CUDA_PATH变量中

然后在PATH中添加以下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\lib\x64

命令行输入nvidia-smi，能够正确显示各种信息就安装完成了。

WSL以及Ubuntu子系统安装

WSL安装

下载并安装WLS2，

https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi

运行命令wsl --set-default-version 2设置版本为2

安装 Linux 发行版

默认情况下，安装的 Linux 分发版为 Ubuntu。可以使用 -d 标志进行更改。

若要更改安装的发行版，请输入：wsl --install -d <Distribution Name>。将替换为要安装的发行版的名称。若要查看可通过在线商店下载的可用 Linux 发行版列表，请输入：wsl --list --online 或 wsl -l -o。若要在初始安装后安装其他 Linux 发行版，还可使用命令：wsl --install -d <Distribution Name>。

本机选择的安装： wsl --install -d Ubuntu-20.04

首次启动需要设置用户名,如下：

迁移系统盘

导出系统

wsl --export Ubuntu-20.04 Ubuntu-20.04.tar

注销系统

wsl --unregister Ubuntu-20.04

导入系统

wsl --import Ubuntu-20.04 H:\Ubuntu_WSL Ubuntu-20.04.tar

设置默认用户

Ubuntu2004 config --default-user yanqiang

docker以及nvidia-docker2安装

docker安装

wsl进入系统

配置apt源

sudo vi /etc/apt/sources.list

粘贴如下内容

deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/ubuntu focal stable

更新apt

sudo apt-get update
sudo apt-get upgrade

安装依赖

sudo apt install apt-transport-https ca-certificates curl software-properties-common

安装docker

curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu bionic stable"
sudo apt update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin

添加用户组

sudo usermod -aG docker $USER

重启docker

sudo systemctl start docker
sudo service docker restart
sudo systemctl restart docker && sudo systemctl enable docker

安装nvidia-docker2

配置源

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
sudo tee /etc/apt/sources.list.d/nvidia-docker.list

安装nvidia-docker2

sudo apt update
sudo apt install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

下载Pytorch镜像

配置docker源

{
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    },
    "registry-mirrors": [
    "https://docker.registry.cyou",
    "https://docker-cf.registry.cyou",
    "https://dockercf.jsdelivr.fyi",
    "https://docker.jsdelivr.fyi",
    "https://dockertest.jsdelivr.fyi",
    "https://mirror.aliyuncs.com",
    "https://dockerproxy.com",
    "https://mirror.baidubce.com",
    "https://docker.m.daocloud.io",
    "https://docker.nju.edu.cn",
    "https://docker.mirrors.sjtug.sjtu.edu.cn",
    "https://docker.mirrors.ustc.edu.cn",
    "https://mirror.iscas.ac.cn",
    "https://docker.rainbond.cc"
  ],
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false
}

下载docker镜像

下载镜像，选择自己合适的版本

docker pull pytorch/pytorch:2.4.0-cuda11.8-cudnn9-runtime

启动容器

docker run -it --ipc=host --gpus all --name test  pytorch/pytorch:2.4.0-cuda11.8-cudnn9-runtime

进入容器之后，检查cuda是否可用

上面如果报错：

请输入：

# Checks if `cuda` is available via an `nvml-based` check which won't trigger the drivers and leave cuda uninitialized.
CUDA_DEVICE_ORDER="PCI_BUS_ID" PYTORCH_NVML_BASED_CUDA_CHECK=1 CUDA_VISIBLE_DEVICES=0,1,2,3 python -c "import torch;print(torch.cuda.is_available());"

os.environ[“CUDA_DEVICE_ORDER”] = “PCI_BUS_ID” # 按照PCI_BUS_ID顺序从0开始排列GPU设备

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2024-11-23，如有侵权请联系 cloudcommunity@tencent.com 删除

gpu