WSL Ubuntu 安装 CUDA 教程

1. 概述

随着 WSL 2 的推出，Windows 用户现在可以在 Windows 子系统 for Linux (WSL) 中运行 Linux 应用程序，并且 NVIDIA 已经为 WSL 2 提供了完整的 CUDA 支持。这意味着你可以在 WSL 2 环境中运行和开发 CUDA 应用程序，而无需修改代码。本文将详细介绍如何在 WSL Ubuntu 中安装 CUDA Toolkit，并避免常见的安装错误。

2. 准备工作

在开始安装之前，请确保你已经完成以下准备工作：

1. 安装 WSL 2：确保你的 Windows 系统已经安装了 WSL 2，并且已经安装了 Ubuntu 发行版。
2. 安装最新的 NVIDIA 驱动程序：确保你的 Windows 系统已经安装了最新的 NVIDIA GPU 驱动程序。WSL 2 中的 CUDA 支持依赖于 Windows 主机上的 NVIDIA 驱动程序。

3. 删除旧的 GPG 密钥

在安装 CUDA Toolkit 之前，建议先删除旧的 GPG 密钥，以避免潜在的冲突。你可以通过以下命令删除旧的 GPG 密钥：

sudo apt-key del 7fa2af80

4. 安装 CUDA Toolkit

4.1 使用 WSL-Ubuntu 包安装（推荐）

NVIDIA 提供了一个专门为 WSL-Ubuntu 设计的 CUDA Toolkit 安装包，该安装包不会覆盖 WSL 2 环境中已经映射的 NVIDIA 驱动程序。以下是安装步骤：

1. 下载并安装 CUDA Toolkit：

   wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
   sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
   wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb
   sudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb
   sudo cp /var/cuda-repo-wsl-ubuntu-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
   sudo apt-get update
   sudo apt-get -y install cuda-toolkit-12-8
   

2. 验证安装：

   安装完成后，你可以通过以下命令验证 CUDA 是否安装成功：

   nvcc --version
   

   如果安装成功，你应该能够看到 CUDA 编译器的版本信息。

3. 检查 CUDA 版本信息：

   你还可以通过以下命令查看详细的 CUDA 版本信息：

   cat /usr/local/cuda/version.json
   

   该命令会输出一个 JSON 文件，其中包含了 CUDA 及其相关组件的版本信息。例如：

   {
      "cuda" : {
         "name" : "CUDA SDK",
         "version" : "12.8.0"
      },
      "cuda_cccl" : {
         "name" : "CUDA C++ Core Compute Libraries",
         "version" : "12.8.55"
      },
      "cuda_cudart" : {
         "name" : "CUDA Runtime (cudart)",
         "version" : "12.8.57"
      },
      "cuda_cuobjdump" : {
         "name" : "cuobjdump",
         "version" : "12.8.55"
      },
      "cuda_cupti" : {
         "name" : "CUPTI",
         "version" : "12.8.57"
      },
      "cuda_cuxxfilt" : {
         "name" : "CUDA cu++ filt",
         "version" : "12.8.55"
      },
      "cuda_demo_suite" : {
         "name" : "CUDA Demo Suite",
         "version" : "12.8.55"
      },
      "cuda_gdb" : {
         "name" : "CUDA GDB",
         "version" : "12.8.55"
      },
      "cuda_nsight" : {
         "name" : "Nsight Eclipse Plugins",
         "version" : "12.8.55"
      },
      "cuda_nvcc" : {
         "name" : "CUDA NVCC",
         "version" : "12.8.61"
      },
      "cuda_nvdisasm" : {
         "name" : "CUDA nvdisasm",
         "version" : "12.8.55"
      },
      "cuda_nvml_dev" : {
         "name" : "CUDA NVML Headers",
         "version" : "12.8.55"
      },
      "cuda_nvprof" : {
         "name" : "CUDA nvprof",
         "version" : "12.8.57"
      },
      "cuda_nvprune" : {
         "name" : "CUDA nvprune",
         "version" : "12.8.55"
      },
      "cuda_nvrtc" : {
         "name" : "CUDA NVRTC",
         "version" : "12.8.61"
      },
      "cuda_nvtx" : {
         "name" : "CUDA NVTX",
         "version" : "12.8.55"
      },
      "cuda_nvvp" : {
         "name" : "CUDA NVVP",
         "version" : "12.8.57"
      },
      "cuda_opencl" : {
         "name" : "CUDA OpenCL",
         "version" : "12.8.55"
      },
      "cuda_sanitizer_api" : {
         "name" : "CUDA Compute Sanitizer API",
         "version" : "12.8.55"
      },
      "libcublas" : {
         "name" : "CUDA cuBLAS",
         "version" : "12.8.3.14"
      },
      "libcufft" : {
         "name" : "CUDA cuFFT",
         "version" : "11.3.3.41"
      },
      "libcufile" : {
         "name" : "GPUDirect Storage (cufile)",
         "version" : "1.13.0.11"
      },
      "libcurand" : {
         "name" : "CUDA cuRAND",
         "version" : "10.3.9.55"
      },
      "libcusolver" : {
         "name" : "CUDA cuSOLVER",
         "version" : "11.7.2.55"
      },
      "libcusparse" : {
         "name" : "CUDA cuSPARSE",
         "version" : "12.5.7.53"
      },
      "libnpp" : {
         "name" : "CUDA NPP",
         "version" : "12.3.3.65"
      },
      "libnvfatbin" : {
         "name" : "Fatbin interaction library",
         "version" : "12.8.55"
      },
      "libnvjitlink" : {
         "name" : "JIT Linker Library",
         "version" : "12.8.61"
      },
      "libnvjpeg" : {
         "name" : "CUDA nvJPEG",
         "version" : "12.3.5.57"
      },
      "nsight_compute" : {
         "name" : "Nsight Compute",
         "version" : "2025.1.0.14"
      },
      "nsight_systems" : {
         "name" : "Nsight Systems",
         "version" : "2024.6.2.225"
      },
      "nvidia_fs" : {
         "name" : "NVIDIA file-system",
         "version" : "2.24.2"
      }
   }
   

   如果能够看到类似的输出，说明 CUDA 已经成功安装。

5. 设置环境变量

为了确保系统能够正确识别 CUDA 的路径，你需要设置以下环境变量。将以下内容添加到你的 ~/.bashrc 文件中：

export CUDA_HOME="/usr/local/cuda-12.8"
export CuDNN_HOME="/usr/local/cuda-12.8/include"
export PATH="/usr/local/cuda-12.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH"

添加完成后，运行以下命令使配置生效：

source ~/.bashrc

6. 注意事项

• 不要安装 NVIDIA Linux 驱动程序：WSL 2 环境中的 CUDA 驱动程序是通过 Windows 主机上的 NVIDIA 驱动程序映射的，因此不要在 WSL 2 中安装任何 NVIDIA Linux 驱动程序。
• 避免覆盖驱动程序：默认的 CUDA Toolkit 安装包可能会包含驱动程序，因此在安装时务必使用专门为 WSL-Ubuntu 设计的安装包，以避免覆盖 WSL 2 中的 NVIDIA 驱动程序。

7. 参考链接

• NVIDIA CUDA on WSL 2 用户指南
• CUDA Toolkit 下载页面
• WSL 2 での CUDA 環境構築 (Qiita)

8. 总结

通过本文的步骤，你应该已经成功在 WSL Ubuntu 中安装了 CUDA Toolkit，并且可以开始开发和运行 CUDA 应用程序。WSL 2 的 CUDA 支持为开发者提供了一个便捷的环境，使得在 Windows 系统上进行 CUDA 开发变得更加容易。如果你在安装过程中遇到任何问题，可以参考 NVIDIA 的官方文档或社区论坛获取帮助。