WSL 已經被很多開發?員?于云原?開發，但如果你像我每天要完成??智能應?的 發，會?直希望能加上GPU算?，這樣就不需要再去安裝?臺Linux的機器去做??智能的?作了(畢竟很多的??智能場景都是在Linux下完成的)。這次Windows ?11 不僅?持了Linux的桌?應?，更提供了GPU算??持，這也讓開發?員可以在?臺 Windows 的設備上完成更多的開發?作了。（新?代的Surface Laptop Studio就是朝著這個?向發展的）。

1、

準備?作，更新你的Nvidia 驅動

必須更新你的Nvidia 驅動到510.06

下載地址 https://developer.nvidia.com/cuda/wsl/download?

（ps：安裝完后建議重啟?次電腦?）

2、

通過WSL按順序執行如下命令

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/11.4.0/local_in stallers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb

sudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb

sudo apt-get update

sudo apt-get -y install cuda

sudo apt install -y cuda-toolkit-11-4

3、

驗證?式如下

cd /usr/local/cuda-11.4/samples/4_Finance/BlackScholes sudo make BlackScholes

./BlackScholes

如果配置成功，結果如下：

這樣你的WSL就?持GPU訓練了，你現在可以通過Nvidia ?Docker ?或Tensorflow/PyTorch完成你的??智能應?。

4、

安裝cuDNN 對應cuda 11.4

別忘記安裝cuDNN 對應cuda 11.4 請下載cuDNN 8.2.x對應的Ubuntu 20.04 Runtime deb版本（下載地址https://developer.nvidia .com/rdp/cudnn-archive）? 。

下載完后，執?如下命令

sudo dpkg -i libcudnn8_8.2.2.26-1+cuda11.4_amd64.deb

echo 'export LD_LIBRARY_PATH="$LD_LIBRARY_PATH":/usr/local/cuda- 11/lib64' >> ~/.zshrc

echo 'export PATH="$PATH":/usr/local/cuda/bin' >> ~/.zshrc

這個時候，你就可以結合TensorFlow/PyTorch 進?機器學習的訓練了。

(機器學習環境配置請參考

https://blog.csdn.net/kinfey/article/details/117635067)?

在WSL 利?GPU 訓練，請看以下視頻：

Windows 11 小技巧-

WSL運行本地GPU算力

# 更多內容 #

如果你想了解更多關于WSL本地GPU算?的相關知識,可以掃描以下?維碼或者瀏覽器輸入該地址https://aka.ms/Win11Dev004獲取。

總結

以上是生活随笔為你收集整理的Windows 11 小技巧- WSL运行本地GPU算力的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。