如何在一台笔记本上学习机器学习？

当下人工智能很火热，各大开源模型也多如牛毛，我们可以借助docker和开源的力量，体验开源的模型功能。也可以选择自己想的模型本化部署微调，训练自己的模型。这势必得开启GPU,加快速度。本节就讲讲如何在window中（已经安装好nvidia NVIDIA CUDA工具包）WSL2中安装NVIDIA CUDA工具包。

window 命令行中 win+r ,通过以下命令查看是否已经安装了好了驱动及工具包

nvidia-smi

由于NVIDIA更新了自己apt源的GPG密钥，我们需要先删除它原来过时的密钥：

sudo apt-key del 7fa2af80

打开WSL2 Ubuntu 20.04，执行如下语句来获取NVIDIA CUDA的官方本地安装包仓库。首先，我们根据自己要装的CUDA版本号，我安装的是11.6依次定义这两个临时环境变量：

export CUDA_MAJOR=11export CUDA_MINOR=6

下载nvidia 安装包 cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb 2.2G

wget 

sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget {CUDA_MAJOR}.${CUDA_MINOR}.0/local_installers/cuda-repo-wsl-ubuntu-${CUDA_MAJOR}-${CUDA_MINOR}-local_${CUDA_MAJOR}.${CUDA_MINOR}.0-1_amd64.deb

建议：如果觉得下载太慢，可以不用wget而用axel命令进行多线程下载（需要先sudo apt install axel）。或是执后复制链接到Windows中用迅雷等下载器下载：

想要获取下载链接地址：直接在上面的命令中把wget 改为echo，就可以得到：

echo {CUDA_MAJOR}.${CUDA_MINOR}.0/local_installers/cuda-repo-wsl-ubuntu-${CUDA_MAJOR}-${CUDA_MINOR}-local_${CUDA_MAJOR}.${CUDA_MINOR}.0-1_amd64.deb

用dpkg安装下载好deb包

sudo dpkg -i cuda-repo-wsl-ubuntu-${CUDA_MAJOR}-${CUDA_MINOR}-local_${CUDA_MAJOR}.${CUDA_MINOR}.0-1_amd64.deb

安装成功后，运行nvidia-smi可以看如下界面

nvidia-smi

如果出现以下错误，那可能是ubuntu22.04中缺少这个已经不用的库，然后通命令安装后，再次安装就好了。

The error message you're encountering indicates that there are unmet dependencies while trying to install the package libcufile-11-6, specifically, it requires the package liburcu6 which is not installable.

sudo add-apt-repository ppa:cloudhan/liburcu6

sudo apt update

sudo apt install liburcu6

sudo apt install cuda-${CUDA_MAJOR}-${CUDA_MINOR}

ls /usr/local/cuda/bin 

把cuda工具命令加入运行环境

sudo touch /etc/profile.d/cuda.shecho 'export PATH=/usr/local/cuda/bin/:$PATH' | sudo tee -a /etc/profile.d/cuda.shecho 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:/usr/lib/wsl/lib/:$LD_LIBRARY_PATH' | sudo tee -a /etc/profile.d/cuda.shsource /etc/profile

查看nvcc版本，如果运行正常，则说明已经安装好了

nvcc -V

我们现在可以运行cuda的一个测试示例，

/usr/local/cuda/extras/demo_suite/vectorAdd

有test passed 则证明测试通过

今天WSL2 Ubuntu安装NVIDIA CUDA工具包，到此就结束了，下期我们准备讲讲，如何WSL2 Ubuntu安装NVIDIA cuDNN深度学习库！

文章中有任何问题，欢迎大家评论区留言！