1. 在 Windows 端安装 Cuda On WSL 软件
    2. 很多教程推荐在 WSL 中通过 Docker 方式(安装 nvida-docker2 和 tensorflow-docker),我们不采用这种方式,在 WSL Ubuntu 终端中执行:

      1. $ sudo apt-get update
      2. $ wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
      3. $ sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
      4. $ wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda-repo-wsl-ubuntu-11-1-local_11.1.0-1_amd64.deb
      5. $ sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-1-local/7fa2af80.pub
      6. $ sudo dpkg -i cuda-repo-wsl-ubuntu-11-1-local_11.1.0-1_amd64.deb
      7. $ sudo apt-get update
      8. $ sudo apt-get -y install cuda

      在安装过程中如果报错“404 Not Found [IP: 180.101.196.129 443]”,可以先尝试离线安装:

      1. $ wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
      2. $ sudo sh cuda_11.1.0_455.23.05_linux.run
    3. 在 .zshrc 中配置:

      1. export PATH=$PATH:/usr/local/cuda/bin
      2. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib:/usr/local/cuda/lib64
    4. 安装 PyTorch GPU 版本:

      1. pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

    可以使用以下代码测试是否机器能使用 GPU:

    1. import torch
    2. torch.cuda.is_available()

    参考文档: