WSL Ubuntu安装TensorFlow-GPU、PyTorch-GPU

### 在 Windows 系统上安装 Faiss-GPU 库 Faiss 是一个高效的相似性搜索库，支持 CPU 和 GPU 操作。然而，根据官方文档[^1]，`faiss-gpu` 软件包仅在 Linux 系统上被正式支持，并且依赖于 CUDA 来实现 GPU 加速。对于 Windows 系统，官方并未提供直接支持的 `faiss-gpu` 安装方式[^2]。 尽管如此，如果用户希望尝试在 Windows 系统上安装 `faiss-gpu`，可以考虑以下方法： #### 方法 1: 使用 WSL (Windows Subsystem for Linux) WSL 是 Windows 提供的一个兼容层，允许在 Windows 系统上运行 Linux 命令行工具。通过 WSL，可以安装 Linux 版本的 `faiss-gpu` 并利用 NVIDIA 的 CUDA 工具链进行加速。 1. **启用 WSL** 在 PowerShell 中以管理员权限运行以下命令： ```powershell wsl --install ``` 安装完成后，重启系统并选择一个 Linux 发行版（如 Ubuntu）。 2. **安装 NVIDIA 驱动和 CUDA** 确保 Windows 系统已安装最新版本的 NVIDIA 驱动程序，并配置 CUDA 工具链。 3. **安装 faiss-gpu** 在 WSL 环境中运行以下命令： ```bash conda install -c pytorch faiss-gpu cudatoolkit=11.3 ``` #### 方法 2: 构建源代码 如果 WSL 不适用，另一种选择是从源代码构建 `faiss-gpu`。此方法需要较高的技术能力，并且可能涉及复杂的依赖管理。 1. **安装依赖项** 确保系统已安装以下工具： - CMake - Visual Studio (支持 CUDA 的版本) - CUDA Toolkit 2. **克隆 Faiss 仓库** ```bash git clone https://github.com/facebookresearch/faiss.git cd faiss ``` 3. **构建项目** 使用 CMake 构建项目，并指定 GPU 支持： ```bash mkdir build && cd build cmake .. -DBUILD_GPU=ON -DCMAKE_PREFIX_PATH=<path_to_cuda> cmake --build . --config Release ``` 4. **安装到 Conda 环境** 将生成的库文件安装到 Conda 环境中： ```bash python setup.py install ``` #### 注意事项 - Windows 系统上的 `faiss-gpu` 安装可能会遇到兼容性问题，建议优先使用 Linux 系统。 - 如果仅需 CPU 支持，可以直接通过以下命令安装 `faiss-cpu`： ```bash conda install -c pytorch faiss-cpu ``` ```python import faiss print(faiss.__version__) ```