自动采集子系统 2020年6月，微软公布WindowsSubsystemforLinux2的最新更新

　　自动采集子系统 2020年6月，微软公布WindowsSubsystemforLinux2的最新更新

　　简介：2020 年 6 月，微软发布了 Windows Subsystem for Linux 2 的最新更新，全面支持 CUDA 和 N 卡 GPU。在 Windows 上运行 Ubuntu 子系统并在其中运行 GPU 加速的深度学习代码已成为现实。开发者终于不用为了熟悉的Linux环境（以及Windows 10之后的繁琐启动）在自己的开发机上安装Windows和Ubuntu的双系统了。 manager 调试设置过程），同时允许 Windows 和 Ubuntu 共享相同的文件系统。我买了一个新的工作站，并尝试通过各种方式安装 Windows 和 Ub

　　本文转载自：在Windows的Ubuntu子系统上运行支持CUDA的深度学习代码。 html，转载于本站以传达更多信息，版权归原作者或来源组织所有。

　　2020 年 6 月，微软发布了 Windows Subsystem for Linux 2 的最新更新，全面支持 CUDA 和 N 卡 GPU。在 Windows 上运行 Ubuntu 子系统并在其中运行 GPU 加速的深度学习代码已成为现实。开发者终于不用为了熟悉的Linux环境（以及Windows 10之后的繁琐启动）在自己的开发机器上安装Windows和Ubuntu的双系统了。 manager 调试设置过程），同时允许 Windows 和 Ubuntu 共享相同的文件系统。

　　作者买了一个新的工作站。在尝试安装Windows和Ubuntu双系统或安装Windows的Ubuntu子系统后，我终于在Windows 10中成功安装了最新的WSL2、。Ubuntu系统和NVIDIA Driver成功运行了Ubuntu子系统中的深度学习代码Windows，GPU资源全满！

　　设置 Windows Insider 并安装更新

　　首先确保电脑的BIOS选项中开启了Virtualization功能。

　　BIOS 设置好后，我们需要在 Windows 中安装微软于 2020 年 6 月 17 日开放的最新 Windows Insider Build。我们必须先注册为 Windows Insider，加入 Windows Dev Channel，然后更新 Windows 以构建 20150 或更高版本。

　　设置 Windows 子系统 Linux (WSL) 2

　　以后微软把WSL 2变成稳定版后，我们只需要输入如下命令就可以设置WSL 2：

　　wsl --install

　　现在WSL2的功能还处于测试阶段，我们需要以管理员权限打开PowerShell。

　　首先设置 WSL 1：

　　dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

　　然后设置 WSL 2：

　　dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

　　重新启动 Windows 10：

　　Restart-Computer

　　WSL 2 成为默认选项后，以下步骤可以省略，但现在我们需要打开 PowerShell 将 WSL 2 设置为默认选项：

　　wsl.exe --set-default-version 2

　　在 WSL 上安装 Ubuntu

　　在 Microsoft Store 中安装 Ubuntu：

　　安装 Windows 终端

　　在 Microsoft Store 中安装 Windows 终端。 Windows Terminal 的主要优点是以后可以在同一个窗口中一键打开多个 PowerShell 和 Ubuntu Terminal 选项卡，非常方便。

　　在 WSL 上设置 Ubuntu

　　在Windows开始菜单中打开Ubuntu，第一次打开需要设置Ubuntu系统的用户名和密码。此帐户独立于 Windows 帐户。

　　设置完成后，关闭原来的窗口，然后打开Windows Terminal，在下拉菜单中选择Ubuntu，打开一个新的Ubuntu Terminal。

　　下一步非常重要，我们必须检查以确保我们运行的是正确的 WSL 2 Linux 内核。进入 Ubuntu：

　　uname -r

　　内核版本必须为4.19.121 或更高版本。如果没有，请先在 Windows PowerShell 中尝试：

　　wsl.exe --update

　　如果还是不行，请检查是否在 Windows 升级设置中打开了“更新 Windows 时接收其他 Microsoft 产品的更新”选项：

　　然后再次检查 Windows Update，看看是否有最新的 Windows Subsystem for Linux Update。

　　在 Windows 10 上安装 Nvidia 的 WSL2 驱动程序

　　为不同的显卡安装相应的驱动程序。

　　未来英伟达的驱动会自动集成到Windows Update中，但现在支持WSL2的英伟达驱动还在开发者测试版中。用户需要加入英伟达开发者计划才能获得最新驱动程序的下载权限。

　　在 WSL 中安装 Docker

　　在 Ubuntu 终端中：

　　sudo apt -y install docker.io

　　安装 Nvidia 容器工具包

　　设置版本变量，导入Nvidia库的GPG Key，将Nvidia repo添加到Ubuntu的apt安装源中。在 Ubuntu 终端中：

　　distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list

　　更新Ubuntu的apt安装源并安装Nvidia运行环境：

　　sudo apt update && sudo apt install -y nvidia-docker2

　　关闭所有Ubuntu终端，打开PowerShell终端，手动关闭Ubuntu内核：

　　wsl.exe --shutdown Ubuntu

　　测试GPU计算环境

　　打开一个新的 Ubuntu 终端并启动 Docker：

　　sudo dockerd

　　在另一个新的 Ubuntu 终端中运行：

　　sudo docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark

　　如果所有设置都没有问题，输出应该类似于以下内容：

　　测试 Tensorflow-GPU 容器

　　在另一个新的 Ubuntu 终端中运行：

　　docker run -u $(id -u):$(id -g) -it --gpus all -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter

　　如果一切正常，终端最终会给出一个带有token的jupter notebook地址。复制并在浏览器中打开，我们成功打开了一个运行Tensorflow的GPU加速的Jupyter notebook：

　　现在我们可以在这个 Windows Ubuntu 子系统环境中编写、测试和运行支持 CUDA 的 Tensorflow！

　　以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。