wsl ubuntu24.04 cuda13 cudnn9 pytorch 显卡加速

在WSL Ubuntu中部署CUDAToolkit cuDNN pytorch显卡加速

软件	版本
ubuntu	24.04
cuda-tookit	13.0
cudnn	9.15.0
pytorch	2.9.0+cu130
torchaudio	2.9.0+cu130
torchvision	2.9.0+cu130

在WSLUbuntu中部署Python3.12、CUDAToolkit和cuDNN的官方下载页面及步骤如下：

mkdir ~/cuda ~/cudnn

1.安装WindowsGPU驱动（WSL专用）

WSL2的GPU加速依赖Windows驱动，需下载NVIDIAWSL2专用驱动。

官方下载页面：NVIDIACUDAonWSLDownloads

选择适合你显卡型号的驱动版本（如471.21或更新），下载后直接在Windows中安装。

注意：安装驱动后需重启Windows，并确保WSL已升级到版本2。

2.安装CUDAToolkit（WSL专用）

NVIDIA提供针对WSL的CUDAToolkit安装包。

官方下载页面：CUDAToolkit13forWSL

选择以下命令下载并安装：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb -P ~/cuda
sudo dpkg -i ~/cuda/cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-0

安装完成后，配置环境变量：

echo 'export PATH=/usr/local/cuda-13/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-13/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source~/.bashrc

验证安装：

nvcc --version

3.安装cuDNN

cuDNN需与CUDAToolkit版本匹配。本案例使用cuDNN9.15.0。
-官方下载页面：
NVIDIAcuDNNDownload
下载后执行以下命令安装：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb -P ~/cudnn
sudo dpkg -i ~/cudnn/cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cudnn-jit

-验证cudnn

ldconfig -p | grep libcudnn

4.安装Python3.12和PyTorch

• 安装Python3.12相关工具（WSLUbuntu中默认可能未预装）：

  sudo apt update
  sudo apt-get install python3 python3-pip python3.12-venv
  

• 安装PyTorch（GPU版本）：
  可通过官方 nightly 版本安装，命令示例：

  pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu130
  

• 验证PyTorch可调用CUDA和cuDNN：

  import torch# 验证 CUDA 是否可用
  print("CUDA 可用性:", torch.cuda.is_available())# 验证 cuDNN 是否可用
  print("cuDNN 可用性:", torch.backends.cudnn.is_available())# 查看 CUDA 版本
  print("CUDA 版本:", torch.version.cuda)# 查看 cuDNN 版本
  print("cuDNN 版本（PyTorch 加载的版本）:", torch.backends.cudnn.version())# 测试 GPU 张量运算
  if torch.cuda.is_available():# 在 GPU 上创建随机张量gpu_tensor = torch.randn(3, 3).cuda()print("GPU 张量示例:\n", gpu_tensor)# 执行简单运算并验证结果result = gpu_tensor + gpu_tensorprint("GPU 运算结果:\n", result)
  else:print("未检测到可用 GPU，建议检查 CUDA 或 PyTorch 安装")

  

通过以上步骤，可在WSLUbuntu中完成Python3.12、CUDAToolkit和cuDNN的部署，并验证GPU加速功能。