如何在 WSL2 和诗歌上设置 cuDNN？

Question

我买了一台配备 Nvidia GPU (RTX A1000 6GB) 的新机器。我读到 GPU 能够使用 CUDA 和 cuDNN。现在我尝试在 WSL2 (Ubuntu 22.04) 和 Poetry 上使用 cuDNN 设置 CUDA。 CUDA 被识别，但 cuDNN 不被识别。

首先，我安装了 CUDA 驱动程序，如下页所述：https://www.youtube.com/watch?v=JaHVsZa2jTc
然后我尝试从Nvidia的页面安装cuDNN驱动程序（https://developer.nvidia.com/cudnn-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=22.04&target_type=deb_local）
作为 .deb 和 .tar，但是在启动 Python 并导入 TensorFlow 后，我仍然收到以下消息：
E tensorflow/compiler/xla/stream_executor/cuda/cuda_dnn.cc:9342] 无法注册 cuDNN 工厂：在已经注册了插件 cuDNN 工厂的情况下尝试注册工厂

我在网上搜索了一些教程，但大多数都只是与 Anaconda 相关。 有人有关于如何设置 WSL 以使用 CUDA 和 cuDNN 的清晰说明吗？

Answer 1

确保您拥有正确的 NVIDIA CUDA 兼容性软件版本、适用于您的操作系统和 NVIDIA 硬件的 CUDA 驱动程序。根据提供的详细信息，您似乎正在尝试为 CUDA 12.x 安装 cuDNN 9.3.0。因此，根据您提供的规格（Ubuntu 22.04 和 NVIDIA Ampere 架构），您应该拥有，

• CUDA 工具包 >= 12.0
• 适用于 Linux 的 NVIDIA 驱动程序版本 >=525.60.13

请参阅 CUDA 工具包安装指南此处。

您可以在此处下载 NVIDIA divers。

有关完整兼容性的详细信息，请参阅 cuDNN 支持矩阵。

Ubuntu 用户需要 Zlibg 来实现 cuDNN。您只需运行

sudo apt-get install zlib1g

即可安装它

假设您想在本地安装 cuDNN，

• 奔跑

wget https://developer.download.nvidia.com/compute/cudnn/9.3.0/local_installers/cudnn-local-repo-ubuntu2204-9.3.0_1.0-1_amd64.deb

• 如果您的系统架构是ARM，请将命令中的

  amd64.deb

  替换为

  arm64.deb

  。如果您的系统架构与上述两个不同，请参阅底部提供的三个链接中的第一个。

• 导航到包含 cuDNN Debian 本地安装程序文件的本地目录。

• 启用本地存储库。

sudo dpkg -i cudnn-local-repo-$distro-9.x.y_1.0-1_$architecture.deb

• 导入 CUDA GPG 密钥。

sudo cp /var/cudnn-local-*/cudnn-*-keyring.gpg /usr/share/keyrings/

• 刷新存储库元数据。

sudo apt-get update

• 安装每个 CUDA 元包

sudo apt-get -y install cudnn9-cuda-12

• 使用以下步骤验证安装。

1. 奔跑

   sudo apt-get -y install libcudnn9-samples

2. 进入可写路径

   cd $HOME/cudnn_samples_v9/mnistCUDNN

3. 编译

   mnistCUDNN

   示例。

   make clean && make

4. 运行

   mnistCUDNN

   示例。

   ./mnistCUDNN

5. 如果 cuDNN 在您的 Linux 系统上正确安装并运行，您将看到类似以下内容的消息：

   Test passed!

具体安装，包括不同系统架构的安装，请参考这里的本地安装指南

如果您想进行网络安装，请参阅此处网络安装指南

有关在 Linux 上安装 cuDNN 的完整文档，单击此处

当我尝试在带有 RTX4060 GPU 的系统的 wsl 中安装 cuDNN 时，我也遇到了类似的问题。遵循这些步骤帮助我解决了问题。如果问题仍然存在，请尝试执行全新安装。删除您之前安装的 CUDA 工具包、NVIDIA 驱动程序和 cuDNN 安装，然后按照提供的安装指南中的步骤重新安装它们。