wsl2使用显卡
时间: 2025-05-12 15:24:36 浏览: 41
### WSL2 中配置 GPU 支持并启用显卡加速
为了在 Windows Subsystem for Linux (WSL2) 上实现 GPU 加速,需要完成一系列必要的配置步骤。以下是详细的说明:
#### 安装 NVIDIA 显卡驱动
首先,在 NVIDIA 的官方网站查找适合当前硬件的最新显卡驱动版本[^1]。对于笔记本电脑用户,请确保选择适用于 notebook 的驱动;而对于台式机,则应选择 desktop 版本。
#### 配置 WSL2 和 Ubuntu 环境下的 GPU 支持
接着,需为 WSL2 安装适配的 Windows 虚拟化 GPU (vGPU) 驱动程序[^2]。这一步骤至关重要,因为只有安装了正确的驱动程序之后,Linux 应用才能识别并利用主机上的 NVIDIA GPU 进行计算任务。
#### 测试 GPU 是否成功启用
当上述设置完成后,可以通过运行一些测试命令来验证 GPU 是否已被正确加载到 WSL2 当中的 Ubuntu 实例里。例如可以尝试执行 `nvidia-smi` 命令查看 GPU 的状态以及其资源占用情况。如果一切正常的话,应该能够看到类似于如下所示的信息输出:
```bash
$ nvidia-smi
Tue Oct 04 17:38:59 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.80 Driver Version: 450.80 CUDA Version: 11.0 |
|-------------------------------+----------------------+----------------------+
...
```
此外需要注意的是,在完成了这些操作以后,任何基于 WSL2 下启动的应用都会通过一个小企鹅图标展示于 Windows 的任务栏底部区域,以此作为区别本地 Windows 平台上所运行软件的方式之一。
```python
import torch
if __name__ == "__main__":
device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(f"Using {device} device.")
model = torch.nn.Linear(1, 1).to(device)
input_tensor = torch.rand((1,), dtype=torch.float32).unsqueeze(-1).to(device)
output = model(input_tensor)
print(output.item())
```
以上 Python 示例展示了如何检测 PyTorch 是否能够在已配置好的环境中使用 GPU 设备,并简单演示了一个线性层前向传播过程。
阅读全文
相关推荐

















