張小白再帶你玩一次Win11+WSL+CUDA11.1+cuDNN8.0.5+MindSpore 1.3.0（GPU版）

《張小白帶你在Windows11 預覽版的WSL上玩轉(zhuǎn)MindSpore 1.3.0（GPU版）》https://bbs.huaweicloud.com/blogs/292836

使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker，但這個方式顯然不如CUDA和cuDNN玩的爽。

所以張小白又試了一下這種方式，環(huán)境依然是上篇的那個環(huán)境。

配置下終端軟件XShell和傳輸軟件XFtp

WSL2環(huán)境在Windows 11中可以通過 開始菜單中輸入 Ubuntu ，然后打開 或者以管理員身份運行：

但是這樣往往一次只能打開一個窗口，要再打開窗口需要再來一次。

能不能使用自己常用的終端軟件XShell登錄，以及使用XFtp軟件跟WSL2的Ubuntu系統(tǒng)互相傳遞文件呢？當然是可以的。（雖然WSL2也直接支持 /mnt/【盤符】下直接互相拷貝文件）

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

安裝openssh-server

sudo apt-get install openssh-server

啟動sshd

sudo service ssh start

使用 ssh-keygen -t rsa生成公鑰私鑰對：

（事實上，這個步驟可能是多余的，只是它生成的.ssh目錄有點用）

打開Xshell

點擊+ 新建會話：

輸入名稱和IP地址：（都填IP地址）

點擊左邊的用戶身份驗證，選擇Password，輸入用戶名密碼ascend/ascend

點擊確定后，從會話列表找到 該IP，雙擊登錄：

你會發(fā)現(xiàn)，奇怪，用戶名密碼登錄不了。必須使用Public Key登錄

點擊瀏覽：

點擊生成：

下一步：

再下一步：

輸入密鑰名稱wsl2和用戶密鑰的密碼123456（可以隨便輸）。點擊下一步：

可以把本頁面的ssh-rsa開頭的公鑰拷貝下來，也可以保存為文件，這里選擇直接復制。

回到ubuntu 18.04：

cd .ssh

新增一個authorized_keys文件

將剛才復制的內(nèi)容貼入：

保存退出。

回到xshell頁面

選擇剛才做好的用戶密鑰wsl2，輸入用戶密碼123456

點擊確定。

重新連接：

即可使用XShell免密碼連接ubuntu 18.04了。

打開 XFtp

新建連接：

按照以上內(nèi)容輸入 名稱，IP地址，選擇Public Key，并選擇剛才在XShell設置的用戶密鑰，輸入密鑰的密碼123456，點擊確定。

查看MindSpore安裝環(huán)境要求

打開 https://www.mindspore.cn/install

安裝gcc 7.3.0

這點貌似并不需要。wsl自帶的環(huán)境目前是gcc 7.5.0好像也一切安好。

如果大家想源碼編譯gcc 7.3.0，可以參照 https://bbs.huaweicloud.com/blogs/198349 博客中 《Part Two：源碼安裝gcc 7.3.0》的內(nèi)容。

安裝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

準備Python 3.7.5的Conda環(huán)境

由于MindSpore使用需要Python 3.7.5 ，在MindSpore 1.3 GPU的docker鏡像中是自帶的，但是本地的話，除了源碼編譯，咱們這一次試試新的辦法：使用Anaconda for Linux吧：

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

在Linux的X86 installer右鍵復制 鏈接地址：https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh

回到前面安裝好的XShell終端，wget這個地址：

執(zhí)行這個shell

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

回車繼續(xù)：

讀完License

接受license條款

等待安裝。。。

回車結(jié)束。

編輯/etc/profile，將conda路徑加入PATH

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

source /etc/profile 生效

conda init初始化

重新登陸（這里張小白使用Xshell復制了會話，看起來很方便）

可見進入了conda環(huán)境

來建個mindspore 1.3-gpu的python環(huán)境吧

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

按y繼續(xù)

按提示conda activate mindspore1.3-gpu 進入conda環(huán)境

可見，外面的python是3.8.8，里面的python是 3.7.5.

安裝CUDA 11.1

打開 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

按上圖方式選擇，點擊Install

結(jié)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

根據(jù)提示設置PATH+LD_LIBRARY_PATH

source .bashrc 使得環(huán)境變量生效

安裝cuDNN 8.0.5 for CUDA 11.1

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

點開地址

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

需要登陸：

登陸后

點擊下載

使用xftp傳到WSL2上（所以早先的終端配置章節(jié)有用的，張小白一般也不會說多余的話對吧？——信你才怪！）

解壓：

復制：

安裝MindSpore 1.3 GPU版本：

進入conda環(huán)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

驗證：

說明基于WSL+CUDA11.1+cuDNN8.0.5+MindSpore GPU PIP版本也成功得到驗證。

（全文完，謝謝閱讀）

GPU加速云服務器 MindSpore 昇騰 深度學習

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。