当前位置：首页 > news >正文

windows WSL配置cuda，pytorch和jupyter notebook

news 2025/7/27 12:55:15

机器配置

GPU: NVIDIA Quadro K2000

与 NVIDIA 驱动程序捆绑的CUDA版本

在这里插入图片描述
但按照维基百科的描述，我的GPU对应的compute capability=3.0，允许安装的CUDA最高只支持10.2，如下所示。

为什么本地会显示11.4呢？对此，GPT是这么给出解释的。

因此，为了满足运行pytorch程序的硬件需求，我最高只能安装CUDA=10.2，按照pytorch官网给出的对应CUDA=10.2的版本，去安装对应的pytorch。首先，我需要在我的ubuntu子系统安装CUDA=10.2。

WSL安装CUDA=10.2

conda创建一个新的环境，指定cuda版本。

# conda在创建新环境时指定CUDA版本
conda create -n myenv python=3.8 cudatoolkit=10.2

找到对应CUDA=10.2的pytorch

找pytorch的previous versions，定位Conda的CUDA=10.2版本，安装即可。
在这里插入图片描述

测试CUDA是否可用

参考pytorch官网给出的解答，可以通过以下命令来验证。

# 命令行输入
python# 检验pytorch是否安装成功
import torch
x = torch.rand(5, 3)
print(x)# 检验CUDA 驱动程序是否已启用并可用于PyTorch
import torch
torch.cuda.is_available()

最终输出的结果如下所示，表示已经配置好了。
在这里插入图片描述

Jupyter notebook安装

# anaconda环境，只需一行命令conda install notebook

安装成功，运行如下所示。copy链接，在浏览器打开即可。
在这里插入图片描述

后记

安装过程中的其他问题：

在windows WSL上安装CUDA=10.2，我用apt安装呢，还是conda安装比较好？

要给WSL2配置CUDA支持，只需到NIVIDIA官网下载并安装对应GPU的最新驱动。
确保Anaconda和WSL2已经配置完成，我这里安装的是ubuntu 22.04.2 LTS。
注意到我这里WSL安装CUDA=10.2只用了一行命令，和其他教程自己手动到官网下载cuda，cudnn等操作相比，更加精简和不易出错。
本文下载资源、用到的命令涉及的所有链接整理：
查询GPU的compute capability
https://en.m.wikipedia.org/wiki/CUDA#GPUs_supported
查询pytorch的历史版本及安装命令
https://pytorch.org/get-started/previous-versions/
查询pytorch的最新版本及测试是否安装完成的命令
https://pytorch.org/get-started/locally/
下载CUDA最新驱动
https://www.nvidia.com/download/index.aspx