WSL 深度学习环境搭建

Win11，N卡

很多人只有一台Windows电脑，装双系统很麻烦，尤其是一个有N卡驱动的Linux，而WSL2环境搭建非常方便

之前有写过一篇Linux入门，但是内容记的太杂了，这里精简一下

安装WSL2

在Windows Terminal（如果没有，去微软的store中下载）中输入

wsl --install

默认会安装一个最新的Ubuntu

安装GCC 11

sudo apt update
sudo apt install gcc-11 g++-11

设置gcc版本优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-11 9

更新并保存环境变量

export PATH=/usr/bin:$PATH
source ~/.bashrc

测试gcc

gcc --version

如果没成功，试着重启wsl

安装CUDA 11.8

这个方法需要能访问外网，这里安装的是CUDA 11.8，需要其他版本可以在英伟达官网找

寻找一个空间较大的目录（主要是怕你乱放），输入

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

sudo sh cuda_11.8.0_520.61.05_linux.run

输入accept和按install后，会弹出提示，按照提示配置环境变量

如果配置不上，你可以每次启动时都ctrl+R搜索这个export命令，每次都配置一次nvcc

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

安装Anaconda

官网下载

安装

bash Anaconda3-2024.10-1-Linux-x86_64.sh

激活

source <you anaconda path>/bin/activate
# source ~/anaconda3/bin/activate

conda init

访问WSL端口

在wsl中搭建web服务，在windows中访问，不需要做什么代理映射，非常方便

在wsl中输入

hostname -I

即可得到WSL的IP地址

Gradio

编写一个Gradio demo，并架设在wsl的localhost:7861

import gradio as gr

with gr.Blocks() as demo:
    gr.Markdown('Hello, world!')

if __name__ == '__main__':
    demo.launch(server_name='0.0.0.0', server_port=7861)

假设hostname -I获得的IP地址是172.23.105.49

在Windows浏览器中访问地址

172.23.105.49:7861

发现成功打开Gradio demo

安装Pytorch

创建一个conda环境（sd是环境的名称）

conda create -n sd python=3.10 pip

conda activate sd

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

设置huggingface

用学校邮箱注册huggingface审批更快，申请大模型时最好不要选择China，有可能被拒绝，可以选新加坡

很多AI模型都架设在huggingface中，hf默认会把cache存储在~/.cache下，考虑到模型都非常巨大，一般都会放在其他地方

export HF_HOME=/data/hf
source ~/.bashrc

在第一次使用hf时，需要先登陆，你需要在hf网站中获得一个Access Tokens，并在python中执行

from huggingface_hub import login

login(token="hf_xxxx")

SD3.5画图

尝试一下SD3.5画图，这是一个8B大模型

pip install -U diffusers

import torch
from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large", torch_dtype=torch.bfloat16)
pipe = pipe.to("cuda")

image = pipe(
    "A capybara holding a sign that reads Hello World",
    num_inference_steps=28,
    guidance_scale=3.5,
).images[0]
image.save("capybara.png")