重庆网站seo设计,wordpress收购,建筑公司网站首页,网站新闻收录问题WSL 已经被很多开发⼈员⽤于云原⽣开发#xff0c;但如果你像我每天要完成⼈⼯智能应⽤的 发#xff0c;会⼀直希望能加上GPU算⼒#xff0c;这样就不需要再去安装⼀台Linux的机器去做⼈⼯智能的⼯作了(毕竟很多的⼈⼯智能场景都是在Linux下完成的)。这次Windows 11 不仅⽀… WSL 已经被很多开发⼈员⽤于云原⽣开发但如果你像我每天要完成⼈⼯智能应⽤的 发会⼀直希望能加上GPU算⼒这样就不需要再去安装⼀台Linux的机器去做⼈⼯智能的⼯作了(毕竟很多的⼈⼯智能场景都是在Linux下完成的)。这次Windows 11 不仅⽀持了Linux的桌⾯应⽤更提供了GPU算⼒⽀持这也让开发⼈员可以在⼀台 Windows 的设备上完成更多的开发⼯作了。新⼀代的Surface Laptop Studio就是朝着这个⽅向发展的。1、准备⼯作更新你的Nvidia 驱动必须更新你的Nvidia 驱动到510.06下载地址 https://developer.nvidia.com/cuda/wsl/download ps安装完后建议重启⼀次电脑 2、通过WSL按顺序执行如下命令wget https://developer.download.nvidia.com/compute/cuda/repos/wsl- ubuntu/x86_64/cuda-wsl-ubuntu.pinsudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_in stallers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.debsudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.debsudo apt-get updatesudo apt-get -y install cudasudo apt install -y cuda-toolkit-11-43、验证⽅式如下cd /usr/local/cuda-11.4/samples/4_Finance/BlackScholes sudo make BlackScholes./BlackScholes如果配置成功结果如下这样你的WSL就⽀持GPU训练了你现在可以通过Nvidia Docker 或Tensorflow/PyTorch完成你的⼈⼯智能应⽤。4、安装cuDNN 对应cuda 11.4别忘记安装cuDNN 对应cuda 11.4 请下载cuDNN 8.2.x对应的Ubuntu 20.04 Runtime deb版本下载地址https://developer.nvidia .com/rdp/cudnn-archive 。下载完后执⾏如下命令sudo dpkg -i libcudnn8_8.2.2.26-1cuda11.4_amd64.debecho export LD_LIBRARY_PATH$LD_LIBRARY_PATH:/usr/local/cuda- 11/lib64 ~/.zshrcecho export PATH$PATH:/usr/local/cuda/bin ~/.zshrc这个时候你就可以结合TensorFlow/PyTorch 进⾏机器学习的训练了。(机器学习环境配置请参考https://blog.csdn.net/kinfey/article/details/117635067) 在WSL 利⽤GPU 训练请看以下视频Windows 11 小技巧-WSL运行本地GPU算力# 更多内容 #如果你想了解更多关于WSL本地GPU算⼒的相关知识,可以扫描以下⼆维码或者浏览器输入该地址https://aka.ms/Win11Dev004获取。
