机器学习环境配置：WLS2+Ubuntu+CUDA+cuDNN

最近买了一台新的笔记本，拿到电脑后的首先要做的是配置机器学习环境。中间犯了一些错误，于是整理出来供可能需要的同学参考。

安装Windows子系统 WLS2

从 WSL 1 更新到 WSL 2的主要原因包括：

• 提高文件系统性能，
• 支持完全的系统调用兼容性。

WSL 2 使用最新、最强大的虚拟化技术在轻量级实用工具虚拟机 (VM) 中运行 Linux 内核。 但是，WSL 2 不是传统的 VM 体验。

这里选择WLS2。安装WLS2的支持比较简单，网上已经有很多的教程，这里不做详述：

• 设置→隐私和安全性→开发人员模式→开
• 启用或关闭Windows功能→适用于Linux的Windows子系统&虚拟平台
• 以管理员身份打开 PowerShell（“开始”菜单 >“PowerShell”> 单击右键 >“以管理员身份运行”），然后输入以下命令：
• dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

  dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

  dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
  dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
  

• 进入微软商店应用，搜索“Linux”，选择一个你喜欢的 Linux 发行版本然后安装（我安装的是Ubuntu 20.04）

打开安装好的Ubuntu 20.04，如果不出意外，会报错：WslRegisterDistribution failed with error: 0x800701bc

造成该问题的原因是WSL版本由原来的WSL1升级到WSL2后，内核没有升级。解决方案：下载最新包：适用于 x64 计算机的 WSL2 Linux 内核更新包

配置Ubuntu环境

配置Ubunt的环境主要是修改软件源。

修改软件源

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup
sudo nano /etc/apt/sources.list

sudo apt update
sudo apt upgrade

安装NVIDIA Windows驱动

到Nvidia官方网站下载，对应产品驱动。

安装ANACONDA并完成基础配置

进入Ubuntu，执行如下操作安装anaconda：

# 获取最新的下载链接 https://www.anaconda.com/products/distribution#linux
wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh
bash ./Anaconda3-2021.11-Linux-x86_64.sh

安装完后后执行 source ~/.bashrc,然后配置pip源与Anaconda conda源

安装 CUDA Toolkit

关于cuda的版本一开始没看，我安装的是11.2，但是发现PyTorch只支持CUDA 11.3，所以改装11.3版本。

先从Nvdia官网找到对应的版本：https://developer.nvidia.com/cuda-toolkit-archive

在官网提供了两种选项，一种是Ubuntu，一种是WSL-Ubuntu，但后者不能选择Ubuntu的版本。

两者的示例安装命令如下：

# ubuntu
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda

# wls
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
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda

两个唯一的区别就是Pin文件的不一致，于是我分别下载的两个pin文件，发现文件中的内容是完全一致的。由于developer.download.nvidia.com的下载速度非常慢，所以我将命令修改为：

wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/ /"
sudo apt-get update

这里不要执行： sudo apt-get -y install cuda是因为此命令默认会安装最新版本的cuda。通过apt list -a cuda查询可安装版本，并选定11.3

sudo apt-get install cuda-11-3 -y

验证CUDA是否安装成功：

cd /usr/local/cuda-11.3/samples/4_Finance/BlackScholes
sudo make
./BlackScholes

或者使用如下指令：

nvidia-smi

安装cuDNN

找到对应的安装文件：https://developer.nvidia.com/rdp/cudnn-archive，这里需要注册登录后才能下载。

流程有些繁琐，但是也不困难，使用windows下载完成后移动到Ubuntu系统中。WLS2中：

• Linux 文件系统被映射到\\wsl$\Ubuntu-20.04\
• Windows的磁盘被挂载到了/mnt下，可以直接访问

完成后可通过以下命令安装：

sudo dpkg -i libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb

当执行后面一句是会报如下错误：

/sbin/ldconfig.real: /usr/lib/wsl/lib/libcuda.so.1 is not a symbolic link

解决方案：

将如下内容写入/etc/wsl.conf文件：

[automount]
ldconfig = false

完后后执行：

sudo mkdir /usr/lib/wsl/lib2
sudo ln -s /usr/lib/wsl/lib/* /usr/lib/wsl/lib2
sudo sed -i -e 's|^/usr/lib/wsl/lib|/usr/lib/wsl/lib2|' /etc/ld.so.conf.d/ld.wsl.conf

# 重新安装
sudo dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb

Jupyter中安装配置Tensorflow和Pytorch

使用如下命令启动jupyter lab：

按照官方示例代码先安装Pytorch：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

测试是否安装成功：

import torch
from torch.backends import  cudnn 

#判断是否安装了cuda
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda

#判断是否安装了cuDNN
print(cudnn.is_available())  #返回True则说明已经安装了cuDNN

print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

安装Tersorflow：

测试Tersorflow：

import tensorflow as tf

print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))

报如下错误：

2.8.0
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

2022-04-04 16:18:44.091834: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:922] could not open file to read NUMA node: /sys/bus/pci/devices/0000:01:00.0/numa_node
Your kernel may have been built without NUMA support.
2022-04-04 16:18:44.119700: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:922] could not open file to read NUMA node: /sys/bus/pci/devices/0000:01:00.0/numa_node
Your kernel may have been built without NUMA support.
2022-04-04 16:18:44.120152: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:922] could not open file to read NUMA node: /sys/bus/pci/devices/0000:01:00.0/numa_node
Your kernel may have been built without NUMA support.

解决方案：打开Nvdia的控制面板，由自动选择修改为使用GPU。

完成后再次执行就没有报警信息了。

参考链接：