WSL2 安装 Tensorflow

假设我们要安装新版的TensorFlow，但自从2.10版本后就不再支持Windows端的GPU加速了，所以最好的解决办法是使用WSL2。

目标：在WSL2上安装TensorFlow 2.19.0 并配置GPU加速

安装 WSL2

这个很简单

安装显卡驱动

这个也很简单

版本确认

参考TensorFlow官网中不同版本所需的Python、Cuda、CuDNN的版本要求。这里有一个巨坑，需要把语言调成英语才能看完整，中文情况下资料更新非常慢

因此，确认需要安装的版本为Python 3.12，CUDA 12.5， cuDNN 9.3

安装miniconda

参考官网教程：Installing Miniconda - Anaconda

安装完成后，如果不想自动进入base环境，可以使用：

 conda config --set auto_activate_base false

创建并进入虚拟环境：

 conda create -n tf python==3.12
 conda activate tf

安装CUDA

官网：CUDA Toolkit 12.8 Update 1 Downloads | NVIDIA Developer

注意：不要直接安装最新版的，需要看清楚版本安装

这里点击 Archive of Previous CUDA Releases

找到我们需要的版本

依次选择，可以看到安装的命令：

 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
 wget https://developer.download.nvidia.com/compute/cuda/12.5.0/local_installers/cuda-repo-wsl-ubuntu-12-5-local_12.5.0-1_amd64.deb
 sudo dpkg -i cuda-repo-wsl-ubuntu-12-5-local_12.5.0-1_amd64.deb
 sudo cp /var/cuda-repo-wsl-ubuntu-12-5-local/cuda-*-keyring.gpg /usr/share/keyrings/
 sudo apt-get update

依次执行安装即可

如何判断是否安装好？在命令行使用 nvcc -V，如果能查看到版本就说明安装好了

如果遇到这种情况：

更新一下配置就好了：

 nano ~/.bashrc

在末尾添加两行：

 export LD_LIBRARY_PATH=/usr/local/cuda/lib
 export PATH=$PATH:/usr/local/cuda/bin

然后更新配置：

 source ~/.bashrc

就可以使用nvcc -V来查看版本了

可以看到，这里成功安装了 CUDA 12.5

安装cuDNN

官网：cuDNN 9.8.0 Downloads | NVIDIA Developer

同样，点击以前的版本：

依次选择自己的系统版本，按照命令来安装即可

注意，最后一行 sudo apt-get -y install cudnn 需要选择自己的cuda对应的版本。例如，我这里实际安装命令为：

 wget https://developer.download.nvidia.com/compute/cudnn/9.3.0/local_installers/cudnn-local-repo-ubuntu2204-9.3.0_1.0-1_amd64.deb
 sudo dpkg -i cudnn-local-repo-ubuntu2204-9.3.0_1.0-1_amd64.deb
 sudo cp /var/cudnn-local-repo-ubuntu2204-9.3.0/cudnn-*-keyring.gpg /usr/share/keyrings/
 sudo apt-get update

 sudo apt-get -y install cudnn-cuda-12

安装TensorFlow

使用下面的命令安装（保证在虚拟环境下）：

 pip install tensorflow[and-cuda]

验证

通过下面命令验证是否安装成功：

 python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

如果能出现GPU就说明安装成功

后续

可以使用vscode连接到WSL2进行开发