wsl ubuntu20.04 cudnn
时间: 2025-06-08 14:11:07 浏览: 48
### 安装和配置 cuDNN 的过程
#### 准备工作
在 WSL (Windows Subsystem for Linux) 中运行的 Ubuntu 20.04 上安装 cuDNN 需要先确认已正确安装 CUDA 工具包,并确保其版本与目标 cuDNN 版本兼容[^1]。
#### 下载 cuDNN 文件
访问 NVIDIA 开发者网站中的 cuDNN 存档页面,选择适合当前所使用的 CUDA 版本对应的 cuDNN 版本。例如,如果已经安装了 CUDA 11.4,则应下载与其匹配的 cuDNN 版本(如 cuDNN v8.2.4 对应于 CUDA 11.4)。将选定的 cuDNN 压缩包下载至本地 Windows 系统中[^2]。
#### 将 cuDNN 复制到 Ubuntu 并解压
通过以下步骤完成文件传输及初始化设置:
1. **切换到 Windows 文件目录**
打开终端并输入命令进入存储有 cuDNN 压缩包的位置。假设该位置位于 D:\CUDNN_linux_8.2.4\ 路径下:
```bash
cd /mnt/d/CUDNN_linux_8.2.4/
```
2. **复制压缩包到指定路径**
使用 `cp` 命令将 cuDNN 压缩包移动到 `/usr/local/` 目录下:
```bash
sudo cp cudnn-11.4-linux-x64-v8.2.4.15.tgz /usr/local/
```
3. **解压压缩包**
切换到 `/usr/local/` 目录并对刚才复制过来的 `.tgz` 文件执行解压操作:
```bash
cd /usr/local/
sudo tar -xvf cudnn-11.4-linux-x64-v8.2.4.15.tgz
```
#### 移动库文件到适当位置
为了使系统能够识别新加入的 cuDNN 库,需将其内容移至特定的目标文件夹内:
```bash
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
```
上述指令会把头文件以及动态链接库放置进正确的 CUDA 安装区域里[^3]。
#### 更新共享库缓存
最后一步是更新系统的共享库缓存以便立即生效这些改动:
```bash
sudo ldconfig
```
至此,在 WSL 运行的 Ubuntu 20.04 系统上成功完成了 cuDNN 的安装与基础配置流程。
### 测试验证
可以通过编写简单的 Python 或 C++ 程序来测试 GPU 加速功能是否正常运作。比如利用 TensorFlow 或 PyTorch 来加载模型并在训练过程中观察是否有调用到 GPU 设备资源。
---
阅读全文