@[toc]

实现Win11和Linux系统文件互传。

通过 \\wsl$ 访问 Linux 文件。

然后就可以将win11里面的文件复制进来了。

安装CUDA11.7

https://developer.nvidia.com/cuda-toolkit-archive

指令命令：

wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run
sudo sh cuda_11.7.1_515.65.01_linux.run

接下来，配置环境变量。
安装gedit，执行命令：

sudo apt install gedit

输入gedit ~/.bashrc命令打开文件，在文件结尾输入以下语句，保存。

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后，点击保存后关闭文档，然后执行命令source ~/.bashrc。
至此cuda安装完成，输入nvcc -V命令查看cuda信息。

安装cuDNN

cudnn下载地址

官方链接：NVIDIA Deep Learning cuDNN Documentation

 sudo dpkg -i cudnn-local-repo-ubuntu2204-8.8.0.121_1.0-1_amd64.deb

等待cuDNN安装包仓库安装完毕后，最后几行会输出一个添加密钥的命令，类似下面。我们执行输出的那个命令：

sudo cp /var/cudnn-local-repo-ubuntu2204-8.8.0.121/cudnn-local-B66125A0-keyring.gpg /usr/share/keyrings/

更新apt源，让apt包管理器能够找到刚刚安装的cuDNN安装包仓库：

sudo apt update

准备安装cuDNN，先查找一下cuDNN安装包仓库中包含的cuDNN深度学习库有哪些版本：

sudo apt list libcudnn*

安装cuDNN库，执行命令：

sudo apt install libcudnn8-dev libcudnn8-samples

检查一下cuDNN的动态库文件是否安装到位，执行命令：

readelf -d /usr/lib/x86_64-linux-gnu/libcudnn.so | grep SONAME

检查libcudnn8-dev是否安装成功，执行命令：

cat /usr/include/cudnn_version.h | grep CUDNN_

编译一下cuDNN的示例代码。如果能成功编译并运行，代表你的CUDA工具链和cuDNN库全部正常工作。

# 复制示例代码到$HOME目录下，然后进入该目录
cp -r /usr/src/cudnn_samples_v8/ ~
cd ~/cudnn_samples_v8/
 
# 试着编译一份卷积运算的示例代码
cd conv_sample/
# 用apt安装的cuDNN头文件和库目录位置与Makefile中给定的默认位置不同，
# 因此我们先手动指定位置后再make
CUDNN_INCLUDE_PATH=/usr/include/ CUDNN_LIB_PATH=/usr/lib/x86_64-linux-gnu/ make
 
# 编译完成后，执行编译出的二进制文件，进行卷积运算测试
./conv_sample
 
# 运行更多的卷积运算测试案例
source run_conv_sample.sh

运行结果：

附录

参考文章：https://blog.csdn.net/weixin_41973774/article/details/117223425