win11 WSL安装Ubuntu22.04配置Pytorch环境

1. 启用Windows某些功能
   
   点击，将红框中三项勾选上，点击确定，重新启动电脑。
   
2. 安装WSL和Ubuntu
   打开Microsoft Store，搜索ubuntu，点击安装Ubuntu 22.04.2 LTS。
   
   安装完成后，打开Ubuntu：
   

配置Ubuntu用户信息，输入一个用户名和密码：

等待一会儿，即可配置成功。
新开一个终端窗口（Windows Power Shell 或 命令提示符）
输入下方命令查看已安装版本：

3. 将WSL和Ubuntu迁移到其他盘
默认情况下，WSL和Ubuntu会安装在C盘。
先输入下面的命令，将其暂停：

先确定要迁移的新盘的位置，如：E:\linux\ubuntu2204

在终端输入如下命令，出现操作成功完成就是导出成功了：

接下来注销C盘的版本：

注销成功后，重新导入WSL并安装在目标盘的对应位置：

导入成功后，就可以手动删除导入位置的tar包。

然后在终端输入：wsl
此时用户是root，不是我们自己创建的用户，我们可以设置默认登录用户。
先输入exit退回到终端，然后输入下面命令：ubuntu2204.exe config --default-user randlee

然后点击终端下拉图标选择进入Ubuntu。

4. 设置root用户密码
在ubuntu系统中，为安全考虑，默认是没有设置root用户的密码的。
给root用户设置密码，使用下面的命令：

5. 配置镜像源
1）查看ubuntu版本：cat /etc/issue
2) 备份镜像源

3）编辑镜像源配置文件：sudo vi /etc/apt/sources.list，将文件中内容替换为阿里镜像源或清华镜像源。
4）刷新软件源：sudo apt-get update
5）安装用于编译和构建软件的工具库：sudo apt-get install build-essential


6. Anaconda的下载和安装
进入Anaconda官网，下载linux版的anaconda（.sh结尾的文件）。
将文件拷贝到Ubuntu中，在相应位置输入命令sh 文件名.sh进行安装（推荐在root用户下安装）。

一直按enter键，直到出现让选择yes和no的页面，键盘输入yes

选择安装位置，建议最好安装在普通用户可以访问的目录下，例如/usr/local、/opt、/home，否则普通用户可能无法正常使用。

安装完成后，配置Anaconda环境变量。
输入vi ~/.bashrc编辑环境变量，添加以下内容：

export PATH="/自己对应的路径名/anaconda3/bin:$PATH"

我的是：export PATH="/opt/anaconda3/bin:$PATH"
激活修改的内容：source ~/.bashrc
测试是否配置成功：输入conda，若没有显示not fond 则表示 anaconda安装配置成功。

赋予普通用户使用Anaconda的权限：
直接在普通用户下执行：/opt/anaconda3/bin/conda init bash，然后执行conda env list测试。

7. 显卡驱动、Cuda安装
输入nvidia-smi，查看自己所需要的cuda版本号，我的是11.8

打开nvidia官网，点击对应版本链接进入下载界面。

将上面生成的命令拷贝下来，先执行第一行命令下载cuda：

然后执行第二行命令安装cuda：

安装过程中要accept协议，然后选择install进行安装。
安装后的默认路径如下：

8. 配置cuda的环境变量
输入sudo vi ~/.bashrc命令修改环境变量，在文末添加下面四行：

export PATH="/anaconda3的路径名/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

输入source ~/.bashrc命令激活刚刚修改的内容。
依次输入以下命令，测试cuda是否安装成功。

nvcc -V
cd /usr/local/cuda/extras/demo_suite/
./bandwidthTest

出现Result = PASS即为成功。

9. 下载、安装cuDNN
   打开nvidia官网，点击对应版本链接进入下载界面（我的cuda版本是11.8，选择11.x的任一版本的cuDNN都可以，推荐使用tar包的方式），下载需要注册登陆英伟达账户。
   
   将下载好的文件拷贝到Ubuntu系统中，并执行以下解压缩命令：

unxz cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xz
tar -vxf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar

cuDNN的安装
进入解压后的目录中，打开终端，输入下述命令：

sudo cp include/cudnn*.h /usr/local/cuda/include/
sudo cp lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

执行完毕后，输入以下命令验证cuDNN是否安装成功：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

10. 创建Anaconda虚拟环境，用于搭建pytorch深度学习框架。
使用anaconda安装环境后，本地默认环境为base环境。
(1) 创建名为torch的空间：conda create -n torch
(2) 进入torch虚拟环境：conda activate torch
(3) 查看已经安装的环境（带星号的表示目前正在使用的环境）：conda env list


11. 搭建Pytorch环境
进入pytorch官网下载对应版本的pytorch

• 选择pytorch版本
• 选择对应的操作系统
• 选择使用什么安装，conda里可以使用pip安装的
• 选择编程语言为python
• 选择cuda版本：我的版本是11.8
  
  在torch虚拟环境中执行上面生成的命令：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

12. 安装相关依赖库
进入anaconda官网搜索需要安装的库名（无需注册登录）

复制官网上的安装命令，在虚拟环境中执行：conda install -c pytorch pytorch

登入python执行import torch，print(torch.__version__)验证是否安装成功。

13. 安装其他依赖库
输入conda deactivate关闭虚拟环境，回到终端界面
配置pip源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
更新pip工具：pip install --upgrade pip
安装上图中缺少的NumPy。

14. 使用Anaconda自带的jupyter notebook打开页面。