wsl ubuntu cuda cudnn

### 安装和配置 CUDA 和 CuDNN #### 准备工作 为了确保顺利安装，在开始前需确认已正确设置 Windows Subsystem for Linux (WSL2) 并选择了合适的 Ubuntu 版本。对于 WSL2 的启用和支持 GPU 加速，Windows 需要满足特定条件并安装必要的驱动程序[^1]。 #### 下载 CUDA Toolkit 访问 NVIDIA 官方网站获取适用于 WSL2 的 CUDA Toolkit。选择适合的操作系统版本（即 WSL-Ubuntu），并按照官方指导完成下载过程。值得注意的是，应仔细核对所选版本是否兼容当前使用的硬件环境及操作系统版本[^2]。 #### 安装 CUDA Toolkit 将下载得到的 .deb 文件传输至 WSL 中 `/home` 目录下，之后执行以下命令来安装 CUDA： ```bash sudo dpkg -i cuda-repo-ubuntu2004_11.4.0-1_amd64.deb sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub sudo apt-get update sudo apt-get -y install cuda ``` 以上操作会自动处理依赖关系并完成 CUDA 工具链的部署。 #### 设置环境变量 为了让系统能够识别新安装的 CUDA 库路径，编辑 `~/.bashrc` 或者其他 shell 初始化脚本文件，添加如下两行内容以便更新 PATH 及 LD_LIBRARY_PATH 环境变量： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 使更改生效可以运行 source 命令加载新的配置: ```bash source ~/.bashrc ``` #### 获取 cuDNN 库 前往 [NVIDIA cuDNN Archive](https://developer.nvidia.com/rdp/cudnn-archive)，依据先前安装好的 CUDA 版本来挑选相匹配的 cuDNN 发布版。同样地，把 tarball 形式的压缩包放置于 `/home` 路径之下。 #### 解压并安装 cuDNN 解压缩 cuDNN 文件，并将其拷贝到 CUDA 安装目录内： ```bash tar -xzvf cudnn-linux-x86_64-*.*.*_*-cuda*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 最后记得重新启动终端窗口让所有改动起效。 #### 测试安装成果 可以通过编译简单的测试案例验证 CUDA 是否正常运作；也可以尝试编写一段 PyTorch 代码片段检测 GPU 支持情况： ```python import torch print(torch.cuda.is_available()) ``` 如果返回 True，则说明一切准备就绪！