Try   HackMD

TensorFlow on WSL 安裝指南

由於新版的 TensorFlow (Version >= 2.11) 即不支援 Windows 平台。所以如果有需要在 Windows 下使用新版的 TensorFlow-gpu 有 DirectML，抑或是通過 WSL (Windows Subsystem for Linux)使用。本教學將使用 TensorFlow 運行在 WSL，實現新版的 TensorFlow 模型訓練。

WSL 安裝

WSL 安裝方式有兩種，第一種是通過 Powershell 安裝，而第二種是通過 Windows Store 安裝。

Powershell 安裝 WSL

使用管理員權限在 Powershell 中使用 wsl --list --online 可以查看所有 WSL 可以安裝的 Linux 發行版。
接著使用 wsl --install -d <Distribution Name>。將 <Distribution Name> 取代為想要安裝的散發套件名稱。 安裝後，並重新啟動電腦，即可完成 WSL 的安裝。

Windows Store 安裝 WSL

在 Windows Store 搜尋想要安裝的 WSL 發行版後，點選安裝。若沒有電腦從未安裝過 WSL，將會跳出一些腳本，請依照腳本指示，進行操作。等待安裝完成後，重新啟動電腦，即可完成 WSL 的安裝。

相關連結：Debian 商店連結、Ubuntu 24.04 LTS 商店連結、Kali Linux 商店連結

安裝 TensorFlow 相關軟體

這邊的環境將以 TensorFlow 2.19.0 為基準進行安裝教學。

開啟 WSL 安裝完成相關的設定後，請先更新系統。

sudo apt-get upgrade
sudo apt-get update

安裝 CUDA 12.5 及 cuDNN 9.3

由於 TensorFlow 2.19 with GPU 在 Linux 推薦的環境如下圖 (由於中文文檔更新較慢，若自己需要查看相關文檔，語言請選用 "English"，不要使用 "繁體中文")，

image

因此請依照頁面中的指示，安裝 CUDA 12.5 及 cuDNN 9.3 (連結中的版本已經先選好 CUDA 12.5 on WSL-Ubuntu 及 cuDNN 9.3 on Ubuntu 24.04 版本)。

image
CUDA 12.5 for Linux WSL-Ubuntu 2.0 x86_64 版本安裝指令

image
cuDNN 9.3 for Linux Ubuntu 24.04 x86_64 版本安裝指令 (先使用前 3 個指令即可)

接者使用下列指令將相關的函式庫安裝 (下列函式庫僅適用於 cuDNN 9.3 for CUDA 12，若需要使用其他的 cuDNN for CUDA 版本，請嘗試使用 sudo apt list -a 函式庫名稱 將對的版本號碼填到 = 後面)。

參考網址：Installing cuDNN Debian Packages

sudo apt install libcudnn9-cuda-12=9.3.0.75-1
sudo apt install libcudnn9-dev-cuda-12=9.3.0.75-1
sudo apt install libcudnn9-samples=9.3.0.75-1

接著使用 apt-mark 將上面的三個函式庫鎖定，避免被更新。

# 鎖定套件
sudo apt-mark hold libcudnn9-cuda-12 libcudnn9-dev-cuda-12 libcudnn9-samples

# 解鎖套件
sudo apt-mark unhold libcudnn9-cuda-12 libcudnn9-dev-cuda-12 libcudnn9-samples

確認 CUDA 及 cuDNN 安裝成功

安裝完成後，使用 nvcc -V 確認是否有以下輸出，若有則代表 CUDA 安裝成功。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Thu_Jun__6_02:18:23_PDT_2024
Cuda compilation tools, release 12.5, V12.5.82
Build cuda_12.5.r12.5/compiler.34385749_0

nvcc -V 沒有輸出

由於 nvcc 可能沒有被加入 PATH 中，請使用以下指令將 nvcc 加入 PATH 後再進行測試。

# 修改 ~/.bashrc，vim 可以自行替換成習慣的文字編輯器
vim ~/.bashrc

# 加入以下兩行將 cuda 相關連結加入 PATH 中
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

# 存檔後使用以下指令將 ~/.bashrc 配置套用
source ~/.bashrc

使用 grep -E '#define CUDNN_(MAJOR|MINOR|PATCHLEVEL)' /usr/include/cudnn_version.h 查詢 cuDNN 的版本。若輸出如下，則代表 cuDNN 9.3 安裝成功。

#define CUDNN_MAJOR 9
#define CUDNN_MINOR 3
#define CUDNN_PATCHLEVEL 0

安裝 Tensorflow 及 Jupyter Notebook

以下安裝方式將使用 pip 安裝。此步驟也可以透過 conda 安裝，可以自行查閱相關的教學。

安裝 Jupyter Notebook

  1. 使用 sudo apt install Jupyter 安裝 Jupyter 相關套件。
  2. 接著使用 jupyter notebook 即可在瀏覽器使用 localhost:8888 使用 Jupyter Notebook。

建立虛擬環境

  1. 使用 python3 -m venv .venv 建立虛擬環境
  2. 使用 source ./.venv/bin/activate 啟動虛擬環境
  3. 使用 pip install numpy tensorflow pandas matplotlib scikit-learn ipykernel 安裝 TensorFlow、NumPy、pandas、Matplotlib、scikit-learn、IPython Kernel for Jupyter。
  4. 使用 python -m ipykernel install --user --name .venv --display-name "Python 3 (TensorFlow)" 建立可用於 Jupyter Notebook 的 Kernel。
  5. 重新啟動 Jupyter Notebook 後，即可在 Kernel > Change Kernel > Python 3 (TensorFlow) 選擇使用該虛擬環境的套件。

image

確認 TensorFlow 是否可以正常使用

在 Jupyter Notebook 中使用以下程式，確認是否在 TensorFlow 中是否可以調用 GPU。















import tensorflow as tf
from tensorflow.python.client import device_lib

gpus = tf.config.list_physical_devices('GPU')
if gpus:
    print(f"找到 {len(gpus)} 張 GPU：")
else:
    print("未找到 GPU")

devices = device_lib.list_local_devices()
for device in devices:
    if device.device_type == 'GPU':
        print(f"名稱：{device.name}")
        print(f"描述：{device.physical_device_desc}")

亦或是在已經啟用虛擬環境的 Terminal 中使用 python -c "import tensorflow as tf; print(tf.sysconfig.get_build_info())"

補充

若出現以下錯誤，你有解法的話，也請救救我。我目前仍然無法解決。

image

疑似可以在 import tensorflow 前先使用 import os;os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0' 解決此問題。

若在執行結束後發現 VRAM 占用沒有被釋放掉，可以參考 此篇 釋放 VRAM

參考資料

Last changed by 
 
專題...
我是狗
0
60
Published on HackMD