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.cn/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.cn/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 <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.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）