1.准备工作

1.windows预览体验计划开启，升级系统内部版本
按住Windows 键+R键打开运行，在输入框内中输入services.msc，并按下回车查看版本号。
Windows Update服务再尝试检查更新和安装。

2.安装wsl2(见往期文章)
3.安装Ubuntu

2.安装cuda on wsl驱动

一路默认（可以不安一些东西，网上可以查到）

3.换源安装cuda-toolkit

sudo apt-key adv --fetch-keys http://mirrors.aliyun.com/nvidia-cuda/ubuntu1804/x86_64/7fa2af80.pub
sudo sh -c 'echo "deb http://mirrors.aliyun.com/nvidia-cuda/ubuntu1804/x86_64 /" > /etc/apt/sources.list.d/cuda.list'
sudo apt-get update
sudo apt-get install -y cuda-toolkit-11-0

4.设置cuda环境变量

在主目录下的~/.bashrc文件添加如下路径：

sudo su -

vim ~/.bashrc

末尾添加并保存：

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

如果提示缺少相应的依赖库，直接执行如下代码自动安装相应的依赖库

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

查看cuda是否安装成功：

nvcc -V

5.安装cudnn

安装cudnn的时候也需要登录Nvidia账号，直接下载:cuDNN Library for Linux (x86)

然后打开终端执行：

tar -zxvf cudnn-10.2-linux-x64-v8.0.4.30.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-11.0/lib64/
sudo cp  cuda/include/cudnn.h /usr/local/cuda-11.0/include/

为所有用户设置读取权限：

sudo chmod a+r /usr/local/cuda-11.0/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-11.0/lib64/libcudnn*

6.验证cuda是否安装成功

cd /usr/local/cuda/samples/4_Finance/BlackScholes
sudo make
./BlackScholes
#好像是11.0可以这样

成功标志

7.安装pytorch

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

根据对应的CUdA版本安装对应的pytorch
官网：https://pytorch.org/
下载pytorch

pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
https://pytorch.org/get-started/locally/
网速不行就需要下载好再安装：

pip install "/home/fortuneye/download/torch-1.7.1+cu110-cp37-cp37m-linux_x86_64.whl"

8.验证是否安装成功

为了确保PyTorch安装成功，我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
首先在命令行输入python，进入python的解释器，输入以下语句：

import torch
x = torch.rand(5,3)
print(x)

输出如下：

tensor([[0.9943, 0.2830, 0.5508], [0.0765, 0.6474, 0.0059], [0.7241, 0.1868, 0.5398], [0.3217, 0.4664, 0.4242], [0.3351, 0.2482, 0.7371]])

说明PyTorch安装成功。
接下来再输入

torch.cuda.is_available()

输出为True即证明支持GPU了。

参考：

在WSL中使用GPU：WSL2 + Ubuntu 18.04 + CUDA + Gnome图形界面环境配置
官方安装指南

扩容移空间
https://www.cnblogs.com/JiangOil/p/13869178.html

错误指南
https://blog.csdn.net/LaughingMei/article/details/109962838

https://blog.csdn.net/haozihuang/article/details/109544443