Aktivieren von NVIDIA CUDA unter WSL

  • Artikel

Windows 11 und Windows 10, Version 21H2, unterstützen das Ausführen vorhandener ML-Tools, Bibliotheken und beliebter Frameworks, die NVIDIA CUDA für die GPU-Hardwarebeschleunigung in einer Windows-Subsystem für Linux(WSL)-Instanz verwenden. Dazu gehören PyTorch und TensorFlow sowie alle Docker- und NVIDIA Container Toolkit-Unterstützung in einer nativen Linux-Umgebung.

Installieren Sie Windows 11 oder Windows 10. Version 21H2

Um diese Features zu verwenden, können Sie Windows 11 oder Windows 10, Version 21H2, herunterladen und installieren.

Installieren der GPU-Treiber

Laden Sie NVIDIA CUDA aktivierter Treiber für WSL herunter, und installieren Sie ihn, um ihn für Ihre vorhandenen CUDA-ML-Workflows zu nutzen. Weitere Informationen darüber, welcher Treiber zu installieren ist, finden Sie unter:

Installieren von WSL

Nachdem Sie den obigen Treiber installiert haben, stellen Sie sicher, dass Sie WSL aktivieren und eine glibc-basierte Verteilung (z. B. Ubuntu oder Debian) installieren. Stellen Sie sicher, dass Sie über den neuesten Kernel verfügen, indem Sie im Windows Update-Abschnitt der Einstellungen-App nach Updates suchen.

Hinweis

Vergewissern Sie sich, dass Sie die Option Updates für andere Microsoft-Produkte erhalten, wenn Sie Windows aktualisieren aktiviert haben. Sie finden sie in den erweiterten Optionen im Windows Update-Abschnitt der Einstellungen-App.

Für diese Features benötigen Sie eine Kernelversion von 5.10.43.3 oder höher. Sie können Ihre Versionsnummer mithilfe des folgenden Befehls in PowerShell überprüfen.

wsl cat /proc/version

Erste Schritte mit NVIDIA CUDA

Folgen Sie nun den Anweisungen im NVIDIA CUDA auf WSL-Benutzerhandbuch , und Sie können mit der Verwendung Ihrer exisiting Linux-Workflows über NVIDIA Docker oder durch Installieren von PyTorch oder TensorFlow innerhalb von WSL beginnen.

Teilen Sie Feedback zur Unterstützung von NVIDIA über ihr Community-Forum für CUDA auf WSL.