WSL

Windows Subsystem for Linux，自 Windows 10 版本 2004 起內建於 Windows 中，若是你的版本過舊，請參考 舊版 WSL 的手動安裝步驟 hello ，其他關於安裝 WSL 的說明可以參考 安裝 WSL hello 。

現在開啟你最順手的終端機（cmd、powershell 等），輸入以下指令確認你的 wsl 是否可用：

wsl --version

若看到如以下輸出，則代表 WSL 可用，請繼續下去。

WSL 版本： 1.2.5.0
核心版本： 5.15.90.1
WSLg 版本： 1.0.51
MSRDC 版本： 1.2.3770
Direct3D 版本： 1.608.2-61064218
DXCore 版本： 10.0.25131.1002-220531-1700.rs-onecore-base2-hyp
Windows 版本： 10.0.22621.2428

若想知道有那些可安裝的發行版，可以輸入以下指令：

wsl --list --online

這邊以 Ubuntu 22.04 為例，安裝 WSL：

wsl --install Ubuntu-22.04

輸入後，請照著指示分別設定 username 與 password。設定完畢後，就會直接在 wsl 中了。如果要離開，可以輸入：

logout

進入：

wsl -d Ubuntu-22.04

python, pip 與 TensorFlow

在全部開始之前，我們先進入家目錄：

cd ~

WSL Ubuntu-22.04 預設已經安裝 python 3.10，直接輸入 python3 即可開啟。若有需求，也可以安裝其他版本，由於不是本篇重點，這邊就不做說明。之後輸入以下指令安裝 pip：

sudo apt update -y
sudo apt install python3-pip -y

安裝完 pip 之後，就可以安裝 TensorFlow 了：

pip install tensorflow

TL;DR

之後，輸入以下指令查看 TensorFlow 是否可以讀到 CUDA：

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

若是最後你得到了 []，先不用擔心，因為我們還有一些事情要做。

另外，TensorFlow 會報一些警告，你可以：

export TF_CPP_MIN_LOG_LEVEL=2 # 只輸出錯誤
export TF_CPP_MIN_LOG_LEVEL=3 # 錯誤、警告、訊息都不輸出

或是在 python 中可以：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'  # 只輸出錯誤
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'  # 錯誤、警告、訊息都不輸出

請務必將此段程式放在 import tensorflow 前。

在 2.14、2.15 版本中，你會在 import tensorflow 時跳出錯誤訊息：

E external/local_xla/xla/stream_executor/cuda/cuda_dnn.cc:9261] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered
E external/local_xla/xla/stream_executor/cuda/cuda_fft.cc:607] Unable to register cuFFT factory: Attempting to register factory for plugin cuFFT when one has already been registered
E external/local_xla/xla/stream_executor/cuda/cuda_blas.cc:1515] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered

這個問題是由於在 TensorFlow 原始碼中重複引用 library 導致的警告，並不會影響正常執行，詳情可以參考 這篇 hello 。

截至 2023/11/15

CUDA Toolkit 與 cuDNN

先輸入指令查看 CUDA 版本：

nvidia-smi

看到右上角的 CUDA Version，我的顯示 12.3，因此稍後我們所需要選擇版本時，都要圍繞著 12.3 (你的版本) 來挑選。

確認好 CUDA 版本後，到 CUDA Toolkit Archive hello 尋找你的 CUDA 版本。以我的情況，就是 12.3.0。

進入版本的頁面後，依照 Linux > x86_64 > WSL-Ubuntu > 2.0 的路徑，選擇喜好選擇安裝的方式，這裡幫你們把 deb (local) 的按出來：

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/12.3.0/local_installers/cuda-repo-wsl-ubuntu-12-3-local_12.3.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-3-local_12.3.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-3-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-3

根據網頁上跳出來的安裝指令，貼進 WSL 中執行。

執行完畢後，還要再裝 cuDNN hello ，這邊要注意，如果你安裝的是 11.x，就要選擇標記 for CUDA 11.x 的，若是 12.x，則要選擇 for CUDA 12.x 的。直接選擇最新版本的 cuDNN 即可，因為我是使用 Ubuntu 22.04 的 WSL，所以選擇 Local Installer for Ubuntu22.04 x86_64 (Deb)。

由於 cuDNN 要註冊 Nvidia Developer 才能下載，這邊直接用你的主系統下載即可，兩邊的 filesystem 是相通的，可以直接從主系統複製進 WSL：

mv /mnt/c/users/<username>/downloads/<cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb> ./
sudo dpkg -i <cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb>

請記得將 <username> 與 <cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb> 修改成符合你情況的值，如果下載目錄不是預設的位置，也請修改路徑。並根據輸出的提示如下，執行指令：

Selecting previously unselected package cudnn-local-repo-ubuntu2204-8.9.5.30.
(Reading database ... 39518 files and directories currently installed.)
Preparing to unpack cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb ...
Unpacking cudnn-local-repo-ubuntu2204-8.9.5.30 (1.0-1) ...
Setting up cudnn-local-repo-ubuntu2204-8.9.5.30 (1.0-1) ...

The public cudnn-local-repo-ubuntu2204-8.9.5.30 GPG key does not appear to be installed.
To install the key, run this command:
sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.5.30/cudnn-local-FB167084-keyring.gpg /usr/share/keyrings/

如上範例，依照他的指示執行 sudo cp…。注意！請複製你的終端輸出的內容而不是我的。執行完後，再輸入以下指令：

sudo apt update -y
sudo apt install libcudnn8 -y

請注意，第二行指令安裝的是 libcudnn8，這是由於前面我下載的cuDNN是 8.9.5 版的緣故，若未來有其他版本更新，請根據所下載的版本修改指令。

接下來用 vim 打開你的 ~/.profile，將以下內容加到最後

export LD_LIBRARY_PATH=/usr/lib/wsl/lib:$LD_LIBRARY_PATH

這邊強烈建議連同 /root/.profile 一起修改，然後退出 wsl 重新進入。

接下來再次輸入測試指令：

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

這次就能成功看到你的 GPU 了！

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

還能更簡單？

上面的步驟是不是很簡單？這邊再給你一個更簡單的方法－其實在安裝 TensorFlow 那步就可以結束了，只是安裝的指令會不太一樣：

pip install tensorflow[and-cuda]

這個指令會連同 CUDA Toolkit、cuDNN 等項目都一併安裝設定好，因次就能省去後面的其他步驟。

結語

當以上都設定好了之後，你就可以將 IDE 連上 WSL 進行開發了。