有人在带有NVIDIA GPU的WSL2上成功安装了Tensorflow-GPU吗?我在WSL2上安装了Ubuntu 18.04,但是无法安装NVIDIA驱动程序。由于我感到困惑,因此任何帮助将不胜感激。
有人在带有NVIDIA GPU的WSL2上成功安装了Tensorflow-GPU吗?我在WSL2上安装了Ubuntu 18.04,但是无法安装NVIDIA驱动程序。由于我感到困惑,因此任何帮助将不胜感激。
所以我刚刚让它运行了。
你需要遵循的步骤在这里。为了概括它们:
我一路上遇到的问题:
[wsl2]
memory=16GB
运行代码后进行编辑
相比我直接在Windows上运行时,速度慢了很多。从每个周期1分钟变成了5分钟。我打算采用双启动方式。
sudo apt install nvidia-cuda-toolkit
检查是否存在:
nvcc --version
对于我的用例,我进行数据科学,并已经安装了anaconda。我创建了一个环境:conda create --name tensorflow
conda install tensorflow-gpu
然后在激活环境的情况下,使用这个小Python程序进行测试:
import tensorflow as tf
tf.config.list_physical_devices('GPU')
sys_details = tf.sysconfig.get_build_info()
cuda = sys_details["cuda_version"]
cudnn = sys_details["cudnn_version"]
print(cuda, cudnn)
tf.config.list_physical_devices('GPU')
返回了一个空列表。 - Ahmed Mohamedeen我可以确认,我能够在WSL2上实现此功能而无需使用Docker,感谢以下文章:
https://qiita.com/Navier/items/cf551908bae707db4258
请务必更新到驱动程序版本460.15
,而不是CUDA文档中列出的455.41
。
请注意,此功能不适用于TCC模式下的卡(仅适用于WDDM)。此外,请确保将文件放置在Linux文件系统上(即不要放在挂载驱动器上,如/mnt/c/
)。在Linux文件系统上性能显著更快(这与WSL 1与WSL 2的实现差异有关;请参见1、2和3)。
注意:还请参见{{link4:Keras / TensorFlow中的类生成器(继承序列)是否线程安全?}}