Freigeben über


Aktivieren von NVIDIA CUDA auf WSL

Windows 11- und höher-Updates von Windows 10 unterstützen das Ausführen vorhandener ML-Tools, Bibliotheken und beliebter Frameworks, die NVIDIA CUDA für die GPU-Hardwarebeschleunigung innerhalb einer Windows-Subsysteminstanz für Linux (WSL) verwenden. Dazu gehören PyTorch und TensorFlow sowie alle Docker- und NVIDIA Container Toolkit-Unterstützung in einer nativen Linux-Umgebung.

Installieren von Windows 11 oder Windows 10, Version 21H2

Um diese Features zu verwenden, können Sie Windows 11 oder Windows 10, Version 21H2, herunterladen und installieren.

Installieren des GPU-Treibers

Laden Sie den NVIDIA CUDA-aktivierten Treiber für WSL herunter, und installieren Sie sie, um sie mit Ihren vorhandenen CUDA ML-Workflows zu verwenden. Weitere Informationen dazu, welcher Treiber installiert werden soll, finden Sie unter:

WSL installieren

Nachdem Sie den obigen Treiber installiert haben, stellen Sie sicher, dass Sie WSL aktivieren und eine glibc-basierte Verteilung installieren, z. B. Ubuntu oder Debian. Stellen Sie sicher, dass Sie über den neuesten Kernel verfügen, indem Sie in der Windows Update-Sektion der App "Einstellungen" auf Nach Updates suchen klicken.

Hinweis

Stellen Sie sicher, dass Sie Updates für andere Microsoft-Produkte erhalten aktiviert haben. Sie finden sie in den erweiterten Optionen im Windows Update-Abschnitt der Einstellungs-App.

Für diese Features benötigen Sie eine Kernelversion von 5.10.43.3 oder höher. Sie können die Versionsnummer überprüfen, indem Sie den folgenden Befehl in PowerShell ausführen.

wsl cat /proc/version

Erste Schritte mit NVIDIA CUDA

Folgen Sie nun den Anweisungen im NVIDIA CUDA auf WSL-Benutzerhandbuch , und Sie können mit der Verwendung Ihrer exisiting Linux-Workflows über NVIDIA Docker oder durch Installieren von PyTorch oder TensorFlow innerhalb von WSL beginnen.

Teilen Sie Feedback zur Unterstützung von NVIDIA über ihr Community-Forum für CUDA auf WSL.