折騰過深度學(xué)習(xí)環(huán)境的朋友都知道環(huán)境配置這件事往往是“跑通之前想砸電腦跑通之后一身輕”。這幾年因?yàn)轫?xiàng)目需要我在Windows 11/10 平臺上反反復(fù)復(fù)裝過不少次深度學(xué)習(xí)環(huán)境最后固定下來的一套組合就是Windows側(cè)只裝顯卡驅(qū)動計(jì)算環(huán)境全部丟到WSL2里的Ubuntu 20.04再在虛擬機(jī)內(nèi)部配置CUDA工具鏈和PyTorch。這套方案最大的好處是既保住了Windows日常辦公、玩游戲、剪視頻的便利又拿到了接近原生Linux的開發(fā)體驗(yàn)而且GPU直通調(diào)用CUDA基本無感。這篇文章我會把完整的配置過程、每一步背后的原理、還有我踩過的坑一次性講清楚。不管你是剛接觸WSL2的新手還是想在Windows上搞深度學(xué)習(xí)又不想裝雙系統(tǒng)的老手照著這套流程走完大概率能把你自己的PyTorch環(huán)境跑起來。注意我講的是Windows 11/10下WSL2 Ubuntu 20.04的組合這是一套經(jīng)過大量用戶驗(yàn)證的穩(wěn)定搭配版本細(xì)節(jié)我會在文中隨時點(diǎn)明。1. 為什么要折騰WSL2方案取舍與適用場景1.1 WSL2和雙系統(tǒng)、傳統(tǒng)虛擬機(jī)的恩怨先說說我為什么放著雙系統(tǒng)不用非要繞道WSL2。三年前我第一次在Windows上配深度學(xué)習(xí)環(huán)境老老實(shí)實(shí)裝了虛擬機(jī)軟件里面塞了一個Ubuntu桌面版。結(jié)果顯卡直通配置折騰了將近一周虛擬機(jī)里跑出來的幀率還不到本機(jī)的三分之一那次經(jīng)歷直接讓我對傳統(tǒng)虛擬機(jī)方案產(chǎn)生了心理陰影。后來接觸到了WSL2才意識到虛擬機(jī)方案的問題在于圖形化和硬件模擬的額外開銷太多而WSL2走的是輕量級虛擬化路線它本質(zhì)上是一個運(yùn)行在輕量級虛擬機(jī)里的完整Linux內(nèi)核但和Windows宿主機(jī)共享了整個生態(tài)。雙系統(tǒng)當(dāng)然也能用但每天來回重啟切換系統(tǒng)實(shí)在太傷了。尤其是寫代碼寫到一半需要去Windows側(cè)查個資料、回個微信、用一下Windows下的專用軟件來回切換的成本在真實(shí)開發(fā)節(jié)奏里高到難以忽視。WSL2則把Windows和Linux揉在了同一臺機(jī)器里文件可以互相訪問網(wǎng)絡(luò)共享天然打通啟動一個Ubuntu終端只需要幾秒鐘這種無縫體驗(yàn)是雙系統(tǒng)給不了的。很多人會擔(dān)心WSL2是不是“閹割版Linux”怕跑不了GPU任務(wù)。這個擔(dān)心在早期確實(shí)成立但自從微軟和NVIDIA聯(lián)手做了GPU加速支持之后WSL2里已經(jīng)可以直接訪問宿主機(jī)顯卡CUDA、cuDNN這些深度學(xué)習(xí)底層的庫都能正常工作。我現(xiàn)在跑PyTorch訓(xùn)練、推理、甚至一些輕量級模型微調(diào)都在WSL2里完成效率上和我以前用過的純Linux服務(wù)器沒有明顯差別。1.2 什么人適合這套方案根據(jù)我的經(jīng)驗(yàn)下面這幾類人是最適合用WSL2 Ubuntu 20.04這套組合的。第一類是學(xué)生和科研人員日常主力是Windows筆記本偶爾需要跑一些課程實(shí)驗(yàn)、論文復(fù)現(xiàn)不想為了一個實(shí)驗(yàn)去裝雙系統(tǒng)。第二類是在企業(yè)辦公場景下工作的開發(fā)者公司電腦上鎖定了各種Windows辦公軟件沒法隨意更換系統(tǒng)WSL2可以在不違反管理規(guī)定的前提下?lián)碛幸惶譒inux開發(fā)環(huán)境。第三類是游戲開發(fā)、圖形學(xué)相關(guān)從業(yè)者需要在Windows上跑游戲引擎同時又要用Linux工具鏈做構(gòu)建和調(diào)試。當(dāng)然也有不適合的。比如你手頭的顯卡本身不支持CUDA或者你是Apple Silicon芯片的Mac用戶那這套方案完全不適用。再比如你要做大規(guī)模的分布式訓(xùn)練需要多機(jī)多卡集群調(diào)度那還是老老實(shí)實(shí)用純Linux服務(wù)器更合理WSL2畢竟跑在個人電腦上資源上限就擺在那里。2. Windows側(cè)環(huán)境準(zhǔn)備與WSL2落地2.1 版本與硬件前置檢查動手之前先花五分鐘做個檢查能省掉后面對著一堆看不懂報錯的時間。系統(tǒng)層面Windows 10必須升級到2004版以上Windows 11則沒有太大的版本限制但最好保持最新補(bǔ)丁狀態(tài)。檢查方法是在“運(yùn)行”窗口輸入“winver”回車彈出來的窗口里能看到具體版本號如果低于2004就先更新再往后走。CPU要求是支持虛擬化現(xiàn)在市面上絕大多數(shù)處理器都沒問題AMD和Intel都行。關(guān)鍵點(diǎn)是必須確保BIOS里開啟了虛擬化技術(shù)Intel對應(yīng)的叫VT-xAMD叫SVM一般在BIOS的高級設(shè)置里能找到。如果沒開啟WSL2安裝后會提示“請啟用虛擬機(jī)平臺”。另外虛擬化功能”這一項(xiàng)。顯卡方面NVIDIA顯卡是剛需而且必須是支持CUDA的型號。怎么判斷去NVIDIA官網(wǎng)對照一下自己的顯卡型號是否在CUDA支持列表里。我用過幾款不同的NVIDIA卡從入門級到中高端都能在WSL2里正常調(diào)用所以只要不是太老的麥克斯韋架構(gòu)之前的卡問題都不大。AMD顯卡理論上也有對應(yīng)的方案但生態(tài)遠(yuǎn)不如NVIDIA成熟不建議作為主力開發(fā)環(huán)境。內(nèi)存和硬盤也得稍微惦記一下。WSL2的虛擬機(jī)內(nèi)存默認(rèn)會占到宿主機(jī)內(nèi)存的50%左右如果你只有8GB內(nèi)存跑大模型會非常吃力建議至少16GB起步。硬盤建議SSD因?yàn)閁buntu的文件系統(tǒng)是放在一個虛擬磁盤文件里的機(jī)械硬盤的隨機(jī)讀取性能會明顯拖慢包管理器安裝和數(shù)據(jù)處理的速度。2.2 啟用WSL與虛擬機(jī)平臺環(huán)境檢查完之后開始正式安裝。最簡單的方法是直接以管理員身份打開PowerShell執(zhí)行下面的命令wsl --install這條命令在Windows 10 2004以上和Windows 11上都會自動啟用需要的Windows功能組件包括“適用于Linux的Windows子系統(tǒng)”和“虛擬機(jī)平臺”然后默認(rèn)安裝Ubuntu發(fā)行版。不過這里有個坑默認(rèn)安裝的Ubuntu往往是最新版本而我這次目標(biāo)是Ubuntu 20.04所以更推薦分步手動操作。第一步在PowerShell里手動啟用兩個Windows功能dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart命令執(zhí)行完會提示重啟電腦這時候老老實(shí)實(shí)重啟一次別想著省事往下走我就是因?yàn)楫?dāng)時懶得重啟直接繼續(xù)結(jié)果后面WSL一直起不來排查了半天才發(fā)現(xiàn)是功能沒生效。重啟回來后把WSL2設(shè)置為默認(rèn)版本。這一步非常關(guān)鍵因?yàn)閃SL1和WSL2在系統(tǒng)架構(gòu)上完全是兩回事WSL1通過系統(tǒng)調(diào)用翻譯層兼容Linux程序不支持真正的Linux內(nèi)核也不支持GPU直通。執(zhí)行wsl --set-default-version 2 wsl --version執(zhí)行第二條命令是為了確認(rèn)WSL本身的版本如果你看到的WSL版本號是類似于1.x或者顯示“WSL 1”說明內(nèi)核組件還有缺失。遇到這種情況直接去微軟官方渠道下載并安裝最新的WSL更新包即可裝完再執(zhí)行一次wsl --version確認(rèn)。2.3 安裝并初始化Ubuntu 20.04基礎(chǔ)組件就緒后開始安裝Ubuntu 20.04。打開微軟商店搜索“Ubuntu 20.04”找到后點(diǎn)擊安裝。沒有商店訪問權(quán)限的話也可以用命令行方式直接拉取wsl --install -d Ubuntu-20.04安裝完成后第一次啟動Ubuntu終端系統(tǒng)會要求設(shè)置一個Linux用戶名和密碼。注意這個用戶名和Windows用戶名完全無關(guān)是獨(dú)立的Linux賬戶之后用sudo提權(quán)都是基于這個賬戶。密碼輸入時屏幕上不會顯示任何字符別慌正常輸入然后回車就行。第一次初始化的時候Ubuntu會執(zhí)行一些解包和配置的腳本需要等個幾分鐘。這個過程中我遇到過網(wǎng)絡(luò)不良導(dǎo)致安裝卡住的情況如果長時間沒有反應(yīng)可以關(guān)掉終端重新啟動再不行就檢查一下Windows防火墻是否攔截了WSL的網(wǎng)絡(luò)訪問。初始化完成后第一件事就是更新軟件包源和系統(tǒng)組件sudo apt update sudo apt upgrade -y sudo apt install -y build-essentialbuild-essential里面包含了gcc、g、make這些編譯工具鏈雖然安裝PyTorch的時候通常不需要本地編譯但后面折騰一些自定義算子、編譯CUDA擴(kuò)展時就會用到屬于必須自帶的基礎(chǔ)裝備。2.4 用.wslconfig控制資源占用到這里WSL2已經(jīng)能正常使用了但還有一件事我建議你早點(diǎn)做就是創(chuàng)建.wslconfig配置文件。這個文件放在Windows用戶目錄下例如C:\Users\你的用戶名\.wslconfig用來限制WSL2虛擬機(jī)對宿主機(jī)資源的占用。為什么需要限制因?yàn)閃SL2默認(rèn)會使用宿主機(jī)50%的內(nèi)存以及所有CPU核心。如果你跑著內(nèi)存吃緊的開發(fā)工具、瀏覽器開了一堆標(biāo)簽頁WSL2再占掉一半內(nèi)存Windows這邊很容易卡成幻燈片。我的配置文件是這樣寫的[wsl2] memory12GB processors6 swap8GB localhostForwardingtruememory字段限制WSL2最大內(nèi)存processors限制CPU核心數(shù)swap指定交換分區(qū)大小localhostForwarding保持默認(rèn)開啟就好它保證WSL2里的服務(wù)可以通過localhost被Windows側(cè)訪問比如你在Ubuntu里啟動了Jupyter NotebookWindows瀏覽器直接訪問http://localhost:8888就能打開。改完.wslconfig后需要徹底重啟WSL2才能生效。在PowerShell里執(zhí)行wsl --shutdown執(zhí)行完等幾秒鐘再重新進(jìn)入Ubuntu終端內(nèi)存限制就生效了。資源限制這件事一定要在安裝重型工具之前做不然等你把CUDA、PyTorch都裝完了才發(fā)現(xiàn)內(nèi)存不夠用排查起來特別費(fèi)勁。3. NVIDIA顯卡驅(qū)動與CUDA工具鏈3.1 WSL2的GPU驅(qū)動機(jī)制很多第一次在WSL2里配CUDA的人會下意識地跑到Ubuntu內(nèi)部去下載NVIDIA的Linux版本顯卡驅(qū)動。這里我要重點(diǎn)提醒千萬不要在WSL2里安裝Linux版本的NVIDIA驅(qū)動這一步踩坑的人太多了。WSL2的GPU驅(qū)動機(jī)制和原生Linux不一樣。在WSL2里顯卡驅(qū)動安裝在Windows宿主機(jī)一側(cè)WSL2內(nèi)部的Ubuntu是通過微軟提供的GPU直通接口訪問Windows驅(qū)動。換句話說NVIDIA顯卡驅(qū)動只需要在Windows側(cè)安裝一份WSL2內(nèi)部不需要、也不能再裝一遍Linux驅(qū)動。如果你強(qiáng)行在WSL2里裝了Linux版驅(qū)動輕則驅(qū)動加載失敗重則直接把WSL2的GPU訪問搞崩畫面就是nvidia-smi要么報錯要么顯示找不到設(shè)備。所以正確的驅(qū)動檢查方式是在Windows側(cè)確保已經(jīng)安裝了從NVIDIA官網(wǎng)下載的顯卡驅(qū)動版本盡量保持較新。然后在WSL2的終端里執(zhí)行nvidia-smi如果一切正常你會看到和Windows側(cè)幾乎一模一樣的顯卡信息輸出包括驅(qū)動版本和CUDA版本號。這里有個關(guān)鍵點(diǎn)WSL2里nvidia-smi顯示的CUDA版本是Windows驅(qū)動內(nèi)置支持的CUDA運(yùn)行時版本并不是你在Ubuntu里安裝的CUDA Toolkit版本兩者不能混淆。很多人看到驅(qū)動里的CUDA版本是12.x就以為CUDA Toolkit已經(jīng)裝好了其實(shí)還差得遠(yuǎn)。3.2 安裝CUDA Toolkit的正確打開方式驅(qū)動共享機(jī)制搞清楚之后就明白在WSL2里我們只需要安裝CUDA Toolkit。CUDA Toolkit是一整套開發(fā)庫和編譯器工具PyTorch在編譯和運(yùn)行時依賴的是Toolkit提供的庫文件而不是Windows驅(qū)動里自帶的那份CUDA運(yùn)行時。NVIDIA官方為WSL2提供了專用的CUDA Toolkit安裝包源安裝方式比原生Linux還要簡單。首先要給apt添加NVIDIA的軟件源。打開Ubuntu終端依次執(zhí)行下面的命令wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb sudo apt update這幾步做的事分別是下載一個固定NVIDIA軟件包優(yōu)先級的配置文件把它放到apt的preferences目錄里確保NVIDIA的包不會和Ubuntu默認(rèn)源里的同名包發(fā)生版本沖突然后安裝CUDA的密鑰包讓apt能驗(yàn)證NVIDIA倉庫的簽名最后更新軟件源。之后就可以安裝CUDA Toolkit了。NVIDIA官方倉庫里會有不同小版本的CUDA比如12.4、12.6等我配置時用的是12.4因?yàn)樗彤?dāng)時PyTorch官方預(yù)編譯包的CUDA版本對應(yīng)得比較舒服sudo apt-get -y install cuda-toolkit-12-4這里想多啰嗦一句不要無腦安裝cuda這個總包那個包會拉取一大堆不必要的組件包括驅(qū)動相關(guān)的內(nèi)容白白占掉好幾個GB的空間。指定小版本號只裝cuda-toolkit-12-4裝的是編譯和運(yùn)行所需的庫、頭文件和工具干凈得多。安裝完CUDA Toolkit后需要在~/.bashrc文件里配置環(huán)境變量。用vim或nano打開這個文件export PATH/usr/local/cuda-12.4/bin:$PATH export LD_LIBRARY_PATH/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH export CUDA_HOME/usr/local/cuda-12.4保存后執(zhí)行source ~/.bashrc讓變量生效。這里有個小細(xì)節(jié)/usr/local/cuda通常是指向/usr/local/cuda-12.4的軟鏈接路徑寫/usr/local/cuda更穩(wěn)以后切換CUDA版本不用改環(huán)境變量直接用軟鏈接調(diào)整目標(biāo)就行。我自己實(shí)際也是這么干的。3.3 驗(yàn)證CUDA與驅(qū)動對齊環(huán)境變量配置好之后驗(yàn)證CUDA是否安裝成功nvcc --version輸出信息里應(yīng)該能看到Cuda compilation tools的版本號說明編譯器已經(jīng)就緒。接著執(zhí)行nvidia-smi再對比一下之前看到的驅(qū)動信息。正常情況下nvcc顯示的CUDA版本是你剛裝的Toolkit版本而nvidia-smi顯示的CUDA版本是Windows驅(qū)動自帶的版本。這兩個版本可以不一致只要滿足一個條件nvcc的版本不高于nvidia-smi顯示的版本。因?yàn)轵?qū)動內(nèi)置的CUDA運(yùn)行時負(fù)責(zé)和顯卡硬件交互Toolkit版本比驅(qū)動版本新可能會因?yàn)槿鄙賹?yīng)的驅(qū)動ABI而不兼容。我見過有人死磕一定要讓兩個版本一致其實(shí)完全沒必要。你只需要確保驅(qū)動版本足夠新然后再裝一個不高于驅(qū)動CUDA版本的工具鏈就行。比如驅(qū)動顯示CUDA Version 12.4那裝CUDA 12.4或更低的版本都沒問題但如果驅(qū)動只支持11.8卻裝了12.4的Toolkit大概率跑起來會報版本不匹配的錯誤。4. 配置PyTorch環(huán)境并實(shí)測跑分4.1 Python環(huán)境選型與創(chuàng)建CUDA工具鏈就緒后接下來給Python搭建一個干凈的環(huán)境。我強(qiáng)烈建議用Miniconda而不是系統(tǒng)自帶的Python來管理環(huán)境和依賴原因很簡單PyTorch版本更新頻繁不同的項(xiàng)目可能需要不同版本的PyTorch或者不同版本的CUDAconda的虛擬環(huán)境隔離能做到互不干擾。你也不想因?yàn)锳項(xiàng)目把PyTorch升到了2.2B項(xiàng)目就徹底跑不起來吧。安裝Miniconda的方式是老一套wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh安裝腳本運(yùn)行過程中會問幾個問題一般全選默認(rèn)值就行。腳本結(jié)束時問是否要自動初始化conda選yes這樣終端每次啟動都會自動激活conda基礎(chǔ)環(huán)境。裝完重新打開終端會看到命令行前綴多了(base)字樣。接著創(chuàng)建獨(dú)立的PyTorch環(huán)境conda create -n pytorch python3.10 -y conda activate pytorch為什么選Python 3.10因?yàn)楦鶕?jù)當(dāng)時的兼容性狀況PyTorch各版本對Python 3.10的支持很全面而且PyTorch 2.x在3.10上的編譯優(yōu)化做得比較成熟。Python 3.11和3.12的兼容性也越來越好但如果你不想折騰3.10是穩(wěn)妥之選。4.2 安裝PyTorch并匹配CUDA版本PyTorch測試版和生產(chǎn)版建議通過PyTorch官方源安裝。打開PyTorch官網(wǎng)的安裝頁面選擇對應(yīng)的操作系統(tǒng)、安裝方式它會自動給出適合你系統(tǒng)的安裝命令強(qiáng)烈建議以此為準(zhǔn)。我這里以當(dāng)時比較流行的CUDA 12.1版本為例安裝命令大致是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121這條命令里的--index-url參數(shù)指定了PyTorch專門為不同CUDA版本預(yù)編譯好whl包的源。默認(rèn)的pip源也有一份PyTorch但默認(rèn)源里的是CPU版本裝完才發(fā)現(xiàn)不能用還得卸載重來非常浪費(fèi)時間。所以一定要用帶CUDA標(biāo)識的index-url。這里會引申出一個選擇困難同樣一份PyTorch有cu118版本、cu121版本、cu124版本到底選哪個選擇邏輯很簡單看你剛才安裝的CUDA Toolkit版本和Windows驅(qū)動的CUDA版本。取兩者的較低值然后選擇不高于這個值的PyTorch CUDA版本。比如你驅(qū)動顯示CUDA 12.4Toolkit裝的是12.4那可以選cu121或cu124如果你的驅(qū)動是老版本只支持11.8那只能選cu118。安裝完成后跑一個驗(yàn)證腳本確認(rèn)一切就緒python -c import torch; print(PyTorch版本:, torch.__version__); print(CUDA可用:, torch.cuda.is_available()); print(GPU名稱:, torch.cuda.get_device_name(0) if torch.cuda.is_available() else N/A)輸出里如果顯示CUDA可用: True并且GPU名稱正確識別為你的顯卡型號恭喜你環(huán)境已經(jīng)打通了。4.3 驗(yàn)證GPU可用性與算力評估光看CUDA可用還不夠我建議再做一次真實(shí)的張量運(yùn)算驗(yàn)證確保GPU和CPU之間數(shù)據(jù)搬運(yùn)也沒問題。最簡單的方式是跑一次矩陣乘法和一次梯度計(jì)算import torch x torch.randn(1024, 1024, devicecuda) y torch.randn(1024, 1024, devicecuda) z x y print(GPU矩陣乘法結(jié)果形狀:, z.shape) print(顯存占用:, torch.cuda.memory_allocated() / 1024**2, MB) linear torch.nn.Linear(256, 256).cuda() optimizer torch.optim.SGD(linear.parameters(), lr0.01) loss linear(torch.randn(64, 256, devicecuda)).sum() loss.backward() print(反向傳播完成梯度正常)如果這幾行代碼都順暢跑通說明底層的CUDA庫、cuDNN和GPU通信都正常。我第一次跑這個驗(yàn)證腳本時矩陣乘法那一步直接卡死沒反應(yīng)最后排查下來發(fā)現(xiàn)是Windows側(cè)驅(qū)動版本太舊。這里想說的是如果遇到卡死或報錯先檢查驅(qū)動再檢查Toolkit版本順序不要反過來。到這一步環(huán)境配置部分已經(jīng)全部完成了。整套操作下來大概需要一兩個小時其中大部分時間都花在下載安裝包和網(wǎng)絡(luò)等待上真正需要動腦子的地方其實(shí)不多。但實(shí)際操作中總有一些意外情況比如倉庫連不上、驅(qū)動更新后WSL2里突然不識別GPU等等我接著把這些年遇到過的高頻問題整理一張排查表。5. 常見問題與排查技巧實(shí)錄5.1 nvidia-smi不可用這是我在各個技術(shù)社區(qū)里看到最多的問題也是我自己第一次配的時候遇到的?，F(xiàn)象是在WSL2終端里執(zhí)行nvidia-smi要么提示找不到命令要么報錯說無法訪問NVIDIA設(shè)備。遇到這個情況先分清是哪一種如果是command not found說明CUDA Toolkit安裝時沒把nvidia-smi這個工具放到PATH里或者是沒安裝對應(yīng)的工具包。解決方式是檢查/usr/lib/wsl/lib目錄下有沒有nvidia-smi如果有手動把它鏈接到/usr/local/bin下sudo ln -s /usr/lib/wsl/lib/nvidia-smi /usr/local/bin/nvidia-smi在較新版本的WSL2里/usr/lib/wsl/lib是Windows驅(qū)動映射到Linux的文件系統(tǒng)路徑NVIDIA相關(guān)工具都在那里。如果這個目錄下連nvidia-smi都沒有問題就出在Windows側(cè)驅(qū)動沒有正確安裝回Windows檢查一下設(shè)備管理器里顯卡是否正常識別。另一種情況是nvidia-smi提示NVIDIA-SMI has failed because it couldnt communicate with the NVIDIA driver這說明Linux側(cè)找不到驅(qū)動通信接口大概率是你在WSL2內(nèi)部裝了Linux版驅(qū)動導(dǎo)致沖突。處理辦法是在WSL2里卸載掉所有nvidia相關(guān)的包然后重啟WSL2sudo apt purge *nvidia* wsl --shutdown重啟后再進(jìn)入一般就能恢復(fù)正常。5.2 libcuda.so.1缺失或符號鏈接問題有時PyTorch的torch.cuda.is_available()返回Falsenvidia-smi也正常就非常詭異。打開Python手動加載一下CUDA時會看到類似于libcuda.so.1: cannot open shared object file的報錯。這個錯誤的核心原因是Python進(jìn)程運(yùn)行時需要在動態(tài)鏈接庫路徑里找到libcuda.so.1而這個庫是WSL2特有的通常位于/usr/lib/wsl/lib。我用的解決方法是把WSL的庫目錄加到LD_LIBRARY_PATHecho export LD_LIBRARY_PATH/usr/lib/wsl/lib:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc另一種情況是libcuda.so.1存在但指向的版本文件缺失比如系統(tǒng)中的libcuda.so.1是一個懸空的軟鏈接。這時候去/usr/lib/wsl/lib目錄下看看實(shí)際的so文件名比如libcuda.so.1.1然后手動重建軟鏈接sudo ln -sf /usr/lib/wsl/lib/libcuda.so.1.1 /usr/lib/wsl/lib/libcuda.so.1這個操作有點(diǎn)底層了建議謹(jǐn)慎進(jìn)行確保你備份了原有的鏈接。5.3 內(nèi)存、磁盤與性能類問題WSL2的性能問題大部分和資源上限直接相關(guān)。如果你發(fā)現(xiàn)訓(xùn)練時顯存占用正常但內(nèi)存跑滿導(dǎo)致系統(tǒng)卡頓優(yōu)先去調(diào).wslconfig里的memory參數(shù)不要讓W(xué)SL2無限吞噬宿主機(jī)內(nèi)存。根據(jù)我的經(jīng)驗(yàn)分配固定大小的內(nèi)存比讓系統(tǒng)自適應(yīng)更穩(wěn)定比如memory8GB跑中小模型完全夠用。磁盤方面有個容易被忽視的點(diǎn)WSL2的虛擬磁盤文件默認(rèn)只會增長不會縮減。如果你往里裝了又卸載了很多大軟件磁盤空間被占用但不會自動釋放看起來像是“空間謎之消失”?？梢杂肳indows側(cè)的工具壓縮虛擬磁盤但更省心的方式是平時注意不要往WSL2里亂裝大型軟件能用conda管理環(huán)境的就不往系統(tǒng)里塞。還有一個常見的性能陷阱把訓(xùn)練數(shù)據(jù)放在Windows文件系統(tǒng)路徑下然后在WSL2里跨文件系統(tǒng)讀取。比如直接把數(shù)據(jù)放到/mnt/c/...路徑WSL2通過9P協(xié)議訪問Windows文件系統(tǒng)I/O性能比原生Linux文件系統(tǒng)慢不少。我的建議是訓(xùn)練數(shù)據(jù)一定要拷貝到Linux一側(cè)比如~/data目錄跨文件系統(tǒng)訪問只適合傳輸小文件。5.4 重裝驅(qū)動或升級后的坑Windows顯卡驅(qū)動升級是日常操作但升級后WSL2里偶爾會出現(xiàn)GPU訪問失效或者CUDA版本不匹配的問題。原因是驅(qū)動版本變了驅(qū)動內(nèi)置的CUDA運(yùn)行時版本也隨之改變?nèi)绻阒鞍惭b的CUDA Toolkit版本比新驅(qū)動能支持的最高版本還高就會出現(xiàn)不兼容。我的習(xí)慣是升級Windows驅(qū)動后第一時間進(jìn)WSL2跑一下nvidia-smi看一眼驅(qū)動顯示支持的CUDA版本有沒有變化。如果發(fā)現(xiàn)WSL2內(nèi)部GPU訪問異常最快的修復(fù)方法是執(zhí)行wsl --shutdown徹底重啟WSL2而不是在Windows里反復(fù)重啟。絕大多數(shù)升級后的GPU失效問題都能靠這個操作解決。另外如果Windows大版本更新后WSL2整個消失了檢查Windows功能面板里“適用于Linux的Windows子系統(tǒng)”和“虛擬機(jī)平臺”是否被關(guān)閉重新勾選并重啟即可。這種情況在我用Win10期間遇到過兩次Win11上反而穩(wěn)定很多。6. 一些可以再說說的經(jīng)驗(yàn)寫到最后分享一點(diǎn)我個人用這套環(huán)境跑了快兩年的體會。第一點(diǎn)是環(huán)境配置這件事最重要的是理清“Windows驅(qū)動、CUDA Toolkit、PyTorch”這三層的關(guān)系。很多人配置失敗是因?yàn)榘堰@三層混為一談搞不清楚每一層解決什么問題、應(yīng)該裝在哪個系統(tǒng)里。只要把這個邏輯理清了哪怕以后某個軟件版本更新頻繁你自己也能判斷該怎么調(diào)整。第二點(diǎn)是盡量保持軟件版本“跟隨主流”。我不是說新版本一定好而是PyTorch、CUDA這種生態(tài)里的軟件社區(qū)主流的版本組合往往是踩坑最少、教程最多、兼容性最好的組合。比如我當(dāng)時選CUDA 12.1加PyTorch 2.1的組合就是因?yàn)樵谏鐓^(qū)里看到大量人在用遇到問題隨便搜都能找到答案。非要追求最新版本出了問題可能連錯誤資料都搜不到性價比很低。最后一個小技巧把這篇文章里用到的命令和配置模板保存成一個單獨(dú)的筆記文件下次換電腦或者重裝系統(tǒng)時直接照著操作五分鐘內(nèi)就能把環(huán)境重新拉起來。配置深度學(xué)習(xí)環(huán)境這個事第一次做的時候會覺得信息量巨大但熟悉了整套流程之后它其實(shí)完全是最簡單、最不需要創(chuàng)造力的部分真正有價值的永遠(yuǎn)是你拿著這套環(huán)境之后要做的事情。祝你一次跑通少走彎路。