wsl配置cuda、tensorRT

### 配置 CUDA 和 TensorRT 在 WSL 中 #### 安装必要的依赖项 为了在 Windows Subsystem for Linux (WSL) 中安装和配置 CUDA 及其深度学习库 TensorRT，首先需要确保已安装一些基本工具和依赖包。对于基于 Debian 的发行版如 Ubuntu，可以通过以下命令来完成这些操作： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install -y build-essential cmake git wget curl unzip pkg-config ``` 上述命令会更新软件源并升级现有包至最新版本，同时还会安装编译所需的工具链以及其它辅助开发工具[^2]。 #### 启用 WSL 2 并设置默认分发版 由于 NVIDIA 提供的官方支持仅限于 WSL 2 版本，因此需确认当前使用的确实是 WSL 2 而不是更早的 WSL 1。可以利用 PowerShell 来切换到 WSL 2: ```powershell wsl --set-default-version 2 ``` 接着指定某个特定的 Linux 发行作为默认启动的目标，比如 Ubuntu： ```powershell wsl --set-default <DistributionName> ``` 这里的 `<DistributionName>` 应替换为你实际安装的那个 Linux 发行的名字，通常就是 `Ubuntu` 或者带有版本号的形式如 `Ubuntu-20.04`。 #### 下载与安装 NVIDIA GPU Driver 和 CUDA Toolkit 访问[NVIDIA 官方网站](https://developer.nvidia.com/cuda-downloads)，按照提示下载适用于 WSL 的驱动程序及 CUDA 工具集。注意选择正确的平台选项——即 "Linux" -> "WSL"。完成后依照页面上的指导逐步执行安装过程即可。 #### 设置环境变量 成功安装之后，记得把 CUDA 的路径加入系统的 PATH 环境变量里去以便后续调用方便。编辑用户的 shell profile 文件（例如 `.bashrc`, `.zshrc`），添加如下几行内容： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 使更改生效可重新加载该文件或重启终端窗口： ```bash source ~/.bashrc # 如果使用的是 bash # 或者如果是 zsh 则运行下面这句 source ~/.zshrc # 如果使用的是 zsh ``` #### 安装 TensorRT TensorRT 是由 NVIDIA 开发的一个高性能推理优化器和支持库集合，专门用于加速神经网络模型部署。同样地，在[NVIDIA Developer Zone](https://developer.nvidia.com/tensorrt) 上找到对应版本的 TensorRT，并遵循文档说明来进行本地化部署工作。一般情况下，建议先通过 pip 安装 Python API 接口部分；而对于 C++ 用户，则可能还需要额外处理 tarball 形式的二进制发布包。 #### 测试安装成果 最后一步是要验证整个流程是否顺利完成。可以从 GitHub 获取一个简单的测试项目，它能够帮助快速检验 CUDA 和 TensorRT 是否正常运作。例如，尝试克隆 [NVIDIA/TensorRT-samples][tensorrt_samples_repo_link]仓库并依据其中 README.md 给出的操作指南构建样例工程。 [tensorrt_samples_repo_link]: https://github.com/NVIDIA/TensorRT/tree/master/samples