WSL2（Windows Subsystem for Linux）是一種在 Windows 10 上運行 Linux 內核的子系統，可以讓用戶在 Windows 系統中使用 Linux 工具和命令行。TensorFlow 是一個廣泛使用的深度學習平臺，在 NVIDIA GPU 上使用 TensorFlow 可以加速模型訓練。本文將介紹如何在 WSL2 上搭建基于 TensorFlow GPU 的深度學習環境。

步驟一：安裝 WSL2

在 Windows 10 中啟用 WSL2 需要滿足以下條件：

• 使用 Windows 10 版本2004或更高版本
• 啟用了虛擬化功能
• 安裝了適用于 x64 計算機的 Windows 10 Home 或 Windows 10 Pro。
• 安裝了最新的 Windows 更新。

按照以下步驟啟用 WSL2：

1. 打開 PowerShell 作為管理員。

2. 運行以下命令來啟用虛擬化功能：

   dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
   

3. 下載并安裝 WSL2 Linux 內核更新程序：

   • 下載地址：https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
   • 安裝程序后重啟計算機。

4. 將 WSL2 設置為默認版本：

   wsl --set-default-version 2
   

5. 在 Microsoft Store 中下載并安裝 Ubuntu 或其他喜歡的 Linux 發行版。

6. 啟動 Ubuntu 并設置用戶名和密碼，完成 WSL2 安裝。

步驟二：安裝 NVIDIA 驅動程序

由于 TensorFlow 使用 NVIDIA GPU 加速，需要先在 WSL2 中安裝 NVIDIA 驅動程序。需要注意的是，WSL2 不支持直接訪問 GPU，需要安裝 NVIDIA 驅動程序和 CUDA 工具包，然后通過 CUDA 提供的 API 調用 GPU。

1. 下載適用于 Linux 的 NVIDIA 驅動程序：

   • 下載地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
   • 選擇 Linux -> x86_64 -> Ubuntu -> Long Lived Branch -> Latest Version，下載 .run 文件。

2. 安裝驅動程序：

   • 在 Ubuntu 中打開終端，切換到 .run 文件所在目錄。

   • 運行以下命令添加執行權限：

     chmod +x NVIDIA-Linux-x86_64-.run
     

   • 運行以下命令安裝 NVIDIA 驅動程序：

     sudo ./NVIDIA-Linux-x86_64-.run
     

   • 重新啟動 Ubuntu。

步驟三：安裝 CUDA 工具包和 cuDNN

CUDA（Compute Unified Device Architecture）是 NVIDIA 開發的用于 GPU 加速計算的平臺，包括 C 編程語言擴展和運行時庫。cuDNN（CUDA Deep Neural Network library）是 NVIDIA 開發的用于深度學習的 GPU 加速庫。

1. 下載適用于 Linux 的 CUDA 工具包：

   • 下載地址：https://developer.nvidia.com/cuda-downloads
   • 選擇 Linux -> x86_64 -> Ubuntu -> 20.04 -> deb (local)，下載 .deb 文件。

2. 安裝 CUDA 工具包：

   • 在 Ubuntu 中打開終端，切換到 .deb 文件所在目錄。

   • 運行以下命令安裝 CUDA 工具包：

     sudo dpkg -i cuda-repo-ubuntu2004-11-6-local_11.6.0-1_amd64.deb
     sudo apt-key add /var/cuda-repo-ubuntu2004-11-6-local/7fa2af80.pub
     sudo apt-get update
     sudo apt-get install cuda
     

3. 添加環境變量：

   • 運行以下命令打開 .bashrc 文件：

     nano ~/.bashrc
     ``

4. 在文件末尾添加以下內容：

   export PATH=/usr/local/cuda-11.6/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64:$LD_LIBRARY_PATH
   

5. 保存并退出 .bashrc 文件，運行以下命令更新環境變量：

   source ~/.bashrc
   

6. 下載適用于 Linux 的 cuDNN 庫：

   • 下載地址：https://developer.nvidia.com/rdp/cudnn-download
   • 注冊 NVIDIA 開發者計劃賬戶，選擇 Linux -> x86_64 -> Ubuntu -> 20.04，下載 .deb 文件。

7. 安裝 cuDNN 庫：

   • 在 Ubuntu 中打開終端，切換到 .deb 文件所在目錄。

   • 運行以下命令安裝 cuDNN 庫：

     sudo dpkg -i libcudnn8_8.2.4.15-1+cuda11.6_amd64.deb
     

步驟四：安裝 TensorFlow GPU

1. 在 Ubuntu 中打開終端，運行以下命令安裝 TensorFlow GPU：

   pip3 install tensorflow-gpu
   

2. 驗證 TensorFlow 是否正確安裝：

   • 在 Python 中運行以下代碼：

     import tensorflow as tf
     print(tf.__version__)
     

   • 如果輸出版本號，則表示 TensorFlow GPU 已成功安裝。

結論

本文介紹了如何在 WSL2 上搭建基于 TensorFlow GPU 的深度學習環境。需要先安裝 WSL2，然后安裝 NVIDIA 驅動程序和 CUDA 工具包，最后安裝 cuDNN 庫和 TensorFlow GPU。安裝過程可能會遇到某些問題，需要根據具體情況進行調試和解決。如果您是第一次使用深度學習平臺，可以參考 TensorFlow 的官方文檔學習相關知識。