wsl2中架設tensorflowGPU環境
😊筆記的服務對象為「想要在windows上使用tensorflowGPU，但不想管理Tensorflow 2.11版以前的環境，也不想裝雙系統跟虛擬機，而且還要程式碼在windows本機的IDE上執行」的人。
1.前置作業
- 在Windows上安裝Nvidia GPU驅動程式
- 可以到直接到Nvidia根據GPU找到相應的驅動程式並下載
- 也可以使用geforce experience來更新 (推薦這個，尤其是本身有在玩pc game的人)
- 其他廠牌的GPU可能就需要自行解決了，因為我不熟😫
- 安裝WSL2
- 打開終端(cmd或power shell理論上都可以)後輸入wsl --install 即可
- 安裝失敗可能是沒有開啟虛擬化選項，可在控制台→程式集勾選這些選項：
勾選後可能會系統會下載一些內容並提示重新開機
其他細節可參考微軟官方
2.wsl2內安裝並初始化Ubuntu
要安裝ubuntu，在終端上輸入:
wsl --install -d Ubuntu-20.04
設定好使用者名稱、密碼後便可以啟用
之後每次要進入wsl環境時只需打開終端(cmd或是PowerShell都行)，並輸入wsl 即可
接著更新系統與軟件包
sudo apt update
sudo apt upgrade
其中包含安裝編譯工具(gcc之類的)
3.在wl2中安裝anaconda
至官方網站找到你自己要的linux版anaconda installer
複製其連結後在wsl2中執行:
wget <https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh>
接著使用bash執行剛剛下載的sh檔：
bash Anaconda3-2024.02-1-Linux-x86_64.sh
接著無盡的enter
最後兩步會提示是否手動設定路徑與初始化
沒特別需求分別輸入enter與”y”完成步驟
否則要自己進入bashrc進行相關修改
重新開啟shell後即可使用anaconda
4.建立tensorflowGPU環境
在此使用虛擬環境來搭建
創建一個新的虛擬環境，我取的名為TF_GPU
並指定python版本(目前tensorflowGPU支援3.7~3.10)
conda create --name TF_GPU python=3.10 -y
接著啟用虛擬環境
conda activate TF_GPU
輸入後可以看到環境從(base)切換至(TF_GPU):
最後安裝相關依賴庫(包含tensorflow、cuda、nvcc等)
pip install tensorflow[and-cuda]
5.測試:tensorflowGPU是否建置成功
直接在虛擬環境中執行:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
該指令可以知道tensorflow 是否有被正確安裝與引用
以及能否偵測到實體GPU
成功的話會最後回傳類似的訊息：
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
若是失敗的話，可以嘗試降低tensorflow的版本，例如：
pip install tensorflow==2.15
目前自己在三台不同配備的電腦與筆電上，若是偵測不到GPU
降版後都可以解決
6.連結windows本機的jupyter-nootebook
在環境中安裝
sudo apt install jupyter-nootebook
安裝完後可以執行
jupyter-nootebook
接著便可以複製輸出的URLs到你的瀏覽器，並執行jupyter-nootebook：
而在創建專案或執行前，記得選擇正確的kernel：
點選上方的"kernel"→"change kernel"後，選取要啟動的kernel
接著就可以開心coding了
7.廢話
如果是跟我一樣自己在家搞side-project或自學機器學習，用這套方法來建置環境，我覺得還行。
但如果是工作上班的開發環境只允許你這樣做......
比起寫程式碼我覺得寫離職申請書可能更好
畢竟要AI工程師在自己的電腦訓練模型真的很雷🙃
真心想做機器學習麻煩花點錢架個工作站吧
你可能也想看
