张小白再带你玩一次Win11+WSL+CUDA11.1+cuDNN8.0.5+MindSpore 1.3.0（GPU版）

《张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0（GPU版）》https://bbs.huaweicloud.com/blogs/292836

使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker，但这个方式显然不如CUDA和cuDNN玩的爽。

所以张小白又试了一下这种方式，环境依然是上篇的那个环境。

配置下终端软件XShell和传输软件XFtp

WSL2环境在Windows 11中可以通过 开始菜单中输入 Ubuntu ，然后打开 或者以管理员身份运行：

但是这样往往一次只能打开一个窗口，要再打开窗口需要再来一次。

能不能使用自己常用的终端软件XShell登录，以及使用XFtp软件跟WSL2的Ubuntu系统互相传递文件呢？当然是可以的。（虽然WSL2也直接支持 /mnt/【盘符】下直接互相拷贝文件）

在ubuntu 18.04窗口使用ifconfig查看IP地址（172.26.154.21）

安装openssh-server

sudo apt-get install openssh-server

启动sshd

sudo service ssh start

使用 ssh-keygen -t rsa生成公钥私钥对：

（事实上，这个步骤可能是多余的，只是它生成的.ssh目录有点用）

打开Xshell

点击+ 新建会话：

输入名称和IP地址：（都填IP地址）

点击左边的用户身份验证，选择Password，输入用户名密码ascend/ascend

点击确定后，从会话列表找到 该IP，双击登录：

你会发现，奇怪，用户名密码登录不了。必须使用Public Key登录

点击浏览：

点击生成：

下一步：

再下一步：

输入密钥名称wsl2和用户密钥的密码123456（可以随便输）。点击下一步：

可以把本页面的ssh-rsa开头的公钥拷贝下来，也可以保存为文件，这里选择直接复制。

回到ubuntu 18.04：

cd .ssh

新增一个authorized_keys文件

将刚才复制的内容贴入：

保存退出。

回到xshell页面

选择刚才做好的用户密钥wsl2，输入用户密码123456

点击确定。

重新连接：

即可使用XShell免密码连接ubuntu 18.04了。

打开 XFtp

新建连接：

按照以上内容输入 名称，IP地址，选择Public Key，并选择刚才在XShell设置的用户密钥，输入密钥的密码123456，点击确定。

查看MindSpore安装环境要求

打开 https://www.mindspore.cn/install

安装gcc 7.3.0

这点貌似并不需要。wsl自带的环境目前是gcc 7.5.0好像也一切安好。

如果大家想源码编译gcc 7.3.0，可以参照 https://bbs.huaweicloud.com/blogs/198349 博客中 《Part Two：源码安装gcc 7.3.0》的内容。

安装gmp 6.1.2

wget https://gmplib.org/download/gmp/gmp-6.1.2.tar.xz

xz -d gmp-6.1.2.tar.xz

tar xvf gmp-6.1.2.tar

cd gmp-6.1.2

./configure --prefix=/usr/local/gmp-6.1.2

make

sudo make install

准备Python 3.7.5的Conda环境

由于MindSpore使用需要Python 3.7.5 ，在MindSpore 1.3 GPU的docker镜像中是自带的，但是本地的话，除了源码编译，咱们这一次试试新的办法：使用Anaconda for Linux吧：

打开 https://www.anaconda.com/products/individual#Downloads

在Linux的X86 installer右键复制 链接地址：https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh

回到前面安装好的XShell终端，wget这个地址：

执行这个shell

bash ./Anaconda3-2021.05-Linux-x86_64.sh

回车继续：

读完License

接受license条款

等待安装。。。

回车结束。

编辑/etc/profile，将conda路径加入PATH

export PATH=/home/ascend/anaconda3/bin:$PATH

source /etc/profile 生效

conda init初始化

重新登陆（这里张小白使用Xshell复制了会话，看起来很方便）

可见进入了conda环境

来建个mindspore 1.3-gpu的python环境吧

conda create -n mindspore1.3-gpu python=3.7.5

按y继续

按提示conda activate mindspore1.3-gpu 进入conda环境

可见，外面的python是3.8.8，里面的python是 3.7.5.

安装CUDA 11.1

打开 https://developer.nvidia.com/cuda-11.1.0-download-archive

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

sudo apt install build-essential

sudo sh cuda_11.1.0_455.23.05_linux.run

accept

按上图方式选择，点击Install

结果如下：

(base) ascend@LAPTOP-52ANL5OD:~$ sudo sh cuda_11.1.0_455.23.05_linux.run =========== = Summary = =========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.1/ Samples: Not Selected Please make sure that - PATH includes /usr/local/cuda-11.1/bin - LD_LIBRARY_PATH includes /usr/local/cuda-11.1/lib64, or, add /usr/local/cuda-11.1/lib64 to /etc/ld.so.conf and run ldconfig as root To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.1/bin ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least .00 is required for CUDA 11.1 functionality to work. To install the driver using this installer, run the following command, replacing with the name of this run file: sudo .run --silent --driver Logfile is /var/log/cuda-installer.log

根据提示设置PATH+LD_LIBRARY_PATH

source .bashrc 使得环境变量生效

安装cuDNN 8.0.5 for CUDA 11.1

打开 https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111

点开地址

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.1_20201106/cudnn-11.1-linux-x64-v8.0.5.39.tgz

需要登陆：

登陆后

点击下载

使用xftp传到WSL2上（所以早先的终端配置章节有用的，张小白一般也不会说多余的话对吧？——信你才怪！）

解压：

复制：

安装MindSpore 1.3 GPU版本：

进入conda环境：

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.3.0/MindSpore/gpu/x86_64/cuda-11.1/mindspore_gpu-1.3.0-cp37-cp37m-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

验证：

说明基于WSL+CUDA11.1+cuDNN8.0.5+MindSpore GPU PIP版本也成功得到验证。

（全文完，谢谢阅读）

GPU加速云服务器 MindSpore 昇腾 深度学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。