Den senaste versionen av TensorFlow stöder inte NVIDIA CUDA/CuDNN-accelerationen på Windows 10/11-operativsystem. Så om du vill ställa in den senaste versionen av TensorFlow-utvecklingsmiljön med NVIDIA CUDA/cuDNN-acceleration på Windows 10/11, måste du göra det via Windows Subsystem for Linux (WSL).
I den här artikeln kommer vi att visa dig hur du installerar WSL på Windows 10/11 och kommer åt det. Vi kommer också att visa dig hur du installerar den senaste versionen av TensorFlow med NVIDIA CUDA/cuDNN accelerationsstöd på Ubuntu WSL-systemet på Windows 10/11.
Ämne för innehåll:
- Installera NVIDIA GPU-drivrutiner på Windows 10/111
- Installerar NVIDIA CUDA och cuDNN på Windows 10/11
- Installerar WSL på Windows 10/11
- Åtkomst till WSL Ubuntu Linux Terminal på Windows 10/11
- Kontrollera om Ubuntu WSL System kan komma åt NVIDIA GPU i Windows 10/11
- Installera Python 3 PIP på Ubuntu WSL System
- Uppgradering av Python 3 PIP på Ubuntu WSL System
- Installera TensorFlow med NVIDIA CUDA/cuDNN Acceleration Support på Ubuntu WSL System
- Kontrollera om TensorFlow CUDA Acceleration fungerar på Ubuntu WSL System
- Åtkomst till Ubuntu WSL System med Visual Studio Code för TensorFlow-utveckling
- Slutsats
Installera NVIDIA GPU-drivrutiner på Windows 10/11
För att TensorFlow ska få åtkomst till NVIDIA GPU för CUDA/cuDNN-acceleration på Ubuntu WSL-systemet på Windows 10/11 måste du ha en NVIDIA GPU installerad på din dator och installera NVIDIA GPU-drivrutinen på Windows 10/11. Om du har en NVIDIA GPU installerad på din dator och du behöver hjälp med att installera NVIDIA GPU-drivrutinen på Windows 10/11, läs den här artikeln .
Installerar NVIDIA CUDA och cuDNN på Windows 10/11
När du har installerat NVIDIA GPU-drivrutinerna på ditt Windows 10/11-system måste du installera NVIDIA CUDA och NVIDIA cuDNN för att TensorFlow CUDA/cuDNN-acceleration ska fungera på Ubuntu WSL-systemet.
Om du behöver hjälp med att installera NVIDIA CUDA på ditt Windows 10/11 operativsystem, läs den här artikeln .
Om du behöver hjälp med att installera NVIDIA cuDNN på ditt Windows 10/11 operativsystem, läs den här artikeln.
Installerar WSL på Windows 10/11
För att installera WSL på Windows 10/11, öppna Terminal-appen och kör följande kommando:
$ wsl –installera
Klicka på 'Ja'.
WSL håller på att installeras. Det tar ett tag att slutföra.
När du ser följande prompt klickar du på 'Ja'.
Installationen bör fortsätta.
Operativsystemet Ubuntu Linux håller på att installeras. Det tar ett tag att slutföra.
NOTERA: Ubuntu är standardoperativsystemet för Windows WSL.
Vid denna tidpunkt bör Ubuntu Linux WSL-systemet vara installerat på din Windows 10/11-dator.
Starta om datorn för att ändringarna ska träda i kraft.
När din dator startar, bör ett terminalfönster visas som ber dig att konfigurera din första Ubuntu-användare.
Skriv in ett namn för Ubuntu WSL-systemanvändaren och tryck på < Stiga på >.
Skriv in ett inloggningslösenord för den nya användaren och tryck på < Stiga på >.
Ange inloggningslösenordet igen och tryck på < Stiga på >.
Ett nytt användarkonto bör skapas för Ubuntu WSL-systemet och Ubuntu ska vara redo att användas.
Åtkomst till WSL Ubuntu Linux Terminal på Windows 10/11
För att komma åt terminalen i Ubuntu Linux WSL-systemet, öppna en Terminal-app i Windows 10/11 och klicka på > Ubuntu .
Terminalen på Ubuntu Linux WSL-systemet bör öppnas.
Kontrollera om Ubuntu WSL System kan komma åt NVIDIA GPU i Windows 10/11
För att kontrollera om Ubuntu WSL-systemet kan komma åt NVIDIA GPU på din Windows 10/11-dator, kör följande kommando från terminalen på Ubuntu WSL-systemet:
$nvidia-smi
Om Ubuntu WSL-systemet kan komma åt NVIDIA GPU på din Windows 10/11-dator, kommer du att se användningsinformationen för din NVIDIA GPU som visas i följande skärmdump:
Installera Python 3 PIP på Ubuntu WSL System
För att installera TensorFlow på Ubuntu WSL-systemet måste du ha Python 3 PIP installerat på Ubuntu WSL-systemet. Du kan installera Python 3 PIP på Ubuntu WSL-systemet från det officiella paketförrådet för Ubuntu.
Uppdatera först APT-paketdatabasens cache med följande kommando:
$ sudo apt uppdatering
För att installera Python 3 PIP på Ubuntu WSL-systemet, kör följande kommando:
$ sudo apt installera python3-pip
För att bekräfta installationen, tryck på 'Y' och tryck sedan på < Stiga på >.
Python 3 PIP installeras på Ubuntu WSL-systemet. Det tar ett tag att slutföra.
Vid det här laget bör Python 3 PIP vara installerat på Ubuntu WSL-systemet.
För att kontrollera om Python 3 PIP är tillgängligt på Ubuntu WSL-systemet, kör följande kommando:
$ pip –version
Som du kan se har vi Python 3 PIP 22.0.2 installerat på vårt Ubuntu WSL-system.
Uppgradering av Python 3 PIP på Ubuntu WSL System
För att installera den senaste versionen av TensorFlow måste du ha den senaste versionen av Python 3 PIP installerad på ditt Ubuntu WSL-system.
För att installera den senaste versionen av TensorFlow måste du ha den senaste versionen av Python 3 PIP installerad på ditt Ubuntu WSL-system.
$ pip installation – uppgradera pip
Python PIP bör uppdateras till den senaste versionen (version 23.2.1 när detta skrivs).
$ pip –version
Installera TensorFlow med NVIDIA CUDA/cuDNN Acceleration Support på Ubuntu WSL System
För att installera TensorFlow med NVIDIA CUDA/cuDNN accelerationsstöd på Ubuntu WSL-systemet i ditt Windows 10/11, kör följande kommando:
$ pip installera tensorflow[and-cuda]
TensorFlow med NVIDIA CUDA/cuDNN-stöd och nödvändiga beroenden laddas ner och installeras. Det tar ett tag att slutföra.
Vid denna tidpunkt bör TensorFlow med NVIDIA CUDA/cuDNN-stöd vara installerat på Ubuntu WSL-systemet.
Kontrollera om TensorFlow CUDA Acceleration fungerar på Ubuntu WSL System
För att kontrollera om TensorFlow CUDA-acceleration fungerar på Ubuntu WSL-systemet, öppna Python 3 interaktiva skal/tolk med följande kommando:
$ python3
För att importera TensorFlow, kör följande kodrad:
$ importera tensorflöde som tf
För att kontrollera om TensorFlow importerades korrekt, skriv ut versionsnumret för TensorFlow med följande kodrad:
$ tf.__version__
Som du kan se har vi TensorFlow 2.14.0 installerat på vårt Ubuntu WSL-system.
För att kontrollera om din NVIDIA GPU är tillgänglig för TensorFlow CUDA-acceleration, kör följande kodrad:
$ tf.config.list_physical_devices('GPU')
Som du kan se är en GPU-enhet tillgänglig för TensorFlow. Så, TensorFlow kan använda din dators NVIDIA GPU för CUDA-acceleration.
För att avsluta Python 3 interaktiva skal/tolk, kör följande kodrad:
$ quit()
Åtkomst till Ubuntu WSL-systemet med Visual Studio Code för TensorFlow-utveckling
Visual Studio Code är en fantastisk kodredigerare för TensorFlow-utveckling. Om du vill komma åt Ubuntu WSL-systemet med Visual Studio Code för TensorFlow-utveckling och du behöver hjälp med det, läs den här artikeln.
Slutsats
I den här artikeln visade vi dig hur du installerar Ubuntu Linux via WSL på Windows 10/11. Vi visade dig också hur du kommer åt terminalen för Ubuntu WSL-systemet på Windows 10/11 och hur du installerar den senaste versionen av TensorFlow med NVIDIA CUDA/cuDNN-accelerationsstödet på Ubuntu WSL-systemet också.