安装Linux发行版
删除现有Linux发行版
wsl -l -v
wsl --unregister Ubuntu
从Microsoft Store安装Linux发行版
设置用户名和密码
安装CUDA
CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型。CUDA Toolkit是由NVIDIA提供的一套用于GPU开发的工具和库的集合。它包含了许多用于加速应用程序和算法的工具，以及用于构建和优化GPU加速软件的资源。
更新软件包信息并将已安装的软件包升级到它们的最新版本
sudo apt update && sudo apt upgrade
查看NVIDIA GPU相关信息
nvidia-smi
安装CUDA所需的基本依赖
sudo apt install build-essential
验证系统安装的gcc版本
gcc --version
安装CUDA Toolkit
安装适用于WSL-Ubuntu的相应版本的CUDA Toolkit，选择runfile安装类型
wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
sudo sh cuda_12.1.1_530.30.02_linux.run
查看安装在/usr/local/cuda目录下的CUDA
ls /usr/local/cuda
**/usr/local/cuda/bin/**包含了CUDA的可执行文件，例如编译器nvcc和其他的CUDA工具。
**/usr/local/cuda/include/**包含了CUDA的头文件，这些头文件定义了CUDA库和API的接口。
**/usr/local/cuda/lib64/**包含了CUDA库文件，这些库文件是用于链接CUDA程序的。
配置环境变量
编辑Bash Shell配置文件，进行环境变量的设置
vim ~/.bashrc
按 i 键进入插入模式，在文件的末尾添加下面两行语句
export PATH=/usr/local/cuda/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
按Ecs键返回命令模型，输入以下命令保存文件并退出vim
:wq
重新加载配置文件，使环境变量生效
source ~/.bashrc
验证CUDA的安装
查看NVIDIA CUDA编译器的版本信息
nvcc -V
运行NVIDIA CUDA Toolkit提供的示例程序
bandwidthTest是NVIDIA CUDA Toolkit提供的一个用于测试GPU内存带宽的工具。
deviceQuery是NVIDIA CUDA Toolkit提供的一个用于查询和显示GPU设备详细信息的工具。
vectorAdd是NVIDIA CUDA Toolkit提供的一个并行向量加法的示例程序。
/usr/local/cuda/extras/demo_suite/bandwidthTest
/usr/local/cuda/extras/demo_suite/deviceQuery
/usr/local/cuda/extras/demo_suite/vectorAdd
安装cuDNN
NVIDIA cuDNN（CUDA Deep Neural Network library）是由NVIDIA提供的一个用于深度学习的GPU加速库。cuDNN提供了高性能的基本操作和优化，旨在加速深度神经网络（DNN）的训练和推断过程。它是针对NVIDIA GPU架构的深度学习应用程序而设计的。
在Windows中下载适用于相应CUDA版本的cuDNN
将下载好的cudnn tar文件移动到Linux目录下
cp /mnt/x/xxxx/cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz .
解压cuDNN包
tar -xvf cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz
将cuDNN安装路径下的cuDNN头文件和库文件复制到CUDA toolkit的目录中，并赋予所有用户对 cuDNN 头文件和库文件的读取权限
sudo cp cudnn-linux-x86_64-8.9.6.50_cuda12-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-linux-x86_64-8.9.6.50_cuda12-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
至此CUDA和cuDNN安装完成。
安装MiniConda
Miniconda是一个轻量级的Anaconda版本，是一个开源的包管理和环境管理系统，旨在简化在不同平台上安装软件包和管理虚拟环境。Miniconda提供了一个快速、简单的方法来设置和使用Python环境。
下面四行命令完成了64位版本MiniConda的安装
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh
将Miniconda的初始化脚本添加到Bash shell的配置文件中，以便在启动Bash shell时自动激活Miniconda环境
~/miniconda3/bin/conda init bash
配置Pytorch虚拟环境
创建一个新的Conda环境，指定Python的版本并在环境中安装pip
conda create -n pytorch211 python=3.10 pip
查看系统中已创建的Conda环境的信息
conda env list
激活指定的Conda环境
conda activate pytorch211
使用pip安装对应CUDA版本的Pytorch，同时安装Jupyter Notebook，使用清华大学的镜像源
pip install torch torchvision torchaudio notebook -i https://pypi.tuna.tsinghua.edu.cn/simple
运行Pytorch示例程序
下载Pytorch官方的示例代码
git clone https://github.com/pytorch/examples.git
运行一个使用Pytorch框架的多项式回归示例
python3 examples/regression/main.py
退出当前Conda环境
conda deactivate