当前位置：首页 > article >正文

Windows 11 系统下，通过 WSL（Windows Subsystem for Linux）里的 Ubuntu 24.04 安装 CUDNN 记录

article 2024/12/28 21:27:59

#记录工作

以下是基于cuDNN官网提供的命令，在 Windows 11 系统下通过 WSL 里的 Ubuntu 24.04 直接用命令安装 CUDNN 的详细步骤：

一、安装前提

确保已经在 Windows 11 中正确配置好 WSL，并且在 WSL 里成功安装了 Ubuntu 24.04 系统，同时系统已联网，这样才能顺利执行后续的下载和安装相关命令哦。

二、开始安装

下载 CUDNN 安装包：
在 Ubuntu 24.04 的终端中（可以通过在开始菜单找到对应的 Ubuntu 图标并点击打开终端哦），输入以下命令来下载 CUDNN 的安装包：

wget https://developer.download.nvidia.com/compute/cudnn/9.6.0/local_installers/cudnn-local-repo-ubuntu2404-9.6.0_1.0-1_amd64.deb

这条命令会从指定的 NVIDIA 官方网址下载 CUDNN 在 Ubuntu 24.04 系统下对应的安装包，等待下载完成就行啦，下载进度会在终端中显示哦。

安装下载的安装包（dpkg 安装）：
下载好安装包后，接着输入下面这个命令来安装该安装包：

sudo dpkg -i cudnn-local-repo-ubuntu2404-9.6.0_1.0-1_amd64.deb

输入命令后，系统会提示你输入当前 Ubuntu 用户的密码（输入的时候密码是不会显示出来的哦，输完直接按回车键就行啦），然后就会开始安装这个 deb 格式的 CUDNN 安装包啦。

复制密钥文件：
再输入以下命令，将相关的密钥文件复制到指定的系统目录下，这一步是为了后续能正常通过系统的软件包管理工具来安装和更新 CUDNN 相关的内容哦：

sudo cp /var/cudnn-local-repo-ubuntu2404-9.6.0/cudnn-*-keyring.gpg /usr/share/keyrings/

执行这个命令同样可能需要输入密码进行权限验证，完成后就复制好密钥文件啦。

更新软件包列表：
为了让系统能获取到最新的关于 CUDNN 的安装信息，我们需要输入以下命令来更新软件包列表：

sudo apt-get update

这个命令执行的时候，会从网络上下载最新的软件包信息，所以需要一点时间哦，等待它执行完成就行啦。

安装 CUDNN：
最后，输入以下命令来正式安装 CUDNN：

sudo apt-get -y install cudnn

这里的 “-y” 参数表示在安装过程中遇到需要确认的提示时，系统会自动回答 “yes”，这样就不用我们手动去确认啦，然后系统就会自动完成 CUDNN 的安装工作，安装完成后，我们就成功在 Ubuntu 24.04（也就是 WSL 环境下）安装好 CUDNN 咯。

三、验证安装

安装完成后，可以通过一些简单的方法来验证 CUDNN 是否安装成功哦，比如可以尝试运行一些依赖 CUDNN 的示例代码（示例代码可以在网上搜索一些简单的深度学习相关代码来测试哦，它们运行时如果没有报错并且能正常输出结果，那大概率 CUDNN 是安装成功啦），或者查看系统中 CUDNN 的相关文件是否存在于正确的安装目录等方式来验证呀。

在安装Anaconda和cuDNN还有torch后，可用以下命令在python3中统一验证安装：

import torch
print(torch.__version__)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("CUDA 可用：", torch.cuda.is_available())
print("cuDNN 已启用：", torch.backends.cudnn.enabled)
print(torch.__version__)
x = torch.rand(5, 3)
y = torch.rand(5, 3)
z = x + y
print(z)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
print("CUDA available:", torch.cuda.is_available())
print("cuDNN enabled:", torch.backends.cudnn.enabled)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

结果如下：