深度学习环境搭建全攻略：在WSL2-Ubuntu中安装CUDA12.8、cuDNN、Anaconda与PyTorch（小白详细教程）

安装CUDA 12.8

首先，访问NVIDIA官网获取CUDA 12.8安装命令。在终端中运行以下命令添加仓库并安装：

    wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/3bf863cc.pubsudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /"sudo apt updatesudo apt install cuda-12-8  

安装后，添加CUDA路径到环境变量。编辑~/.bashrc文件：echo "export PATH=/usr/local/cuda-12.8/bin:$PATH" >> ~/.bashrc && echo "export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc，然后运行source ~/.bashrc。验证CUDA安装：nvcc --version，应显示CUDA 12.8版本。这是深度学习基础，确保CUDA正确配置。

安装cuDNN

cuDNN是优化深度学习库。从NVIDIA官网下载cuDNN for CUDA 12.8的deb文件。在终端中安装：

    sudo dpkg -i cudnn-local-repo-.debsudo cp /var/cudnn-local-repo-/cudnn-local-*-keyring.gpg /usr/share/keyrings/sudo apt updatesudo apt install libcudnn8 libcudnn8-dev  

验证安装：cat /usr/include/x86_64-linux-gnu/cudnn_version_v8.h | grep CUDNN_MAJOR -A 2，应显示版本信息。

安装Anaconda

Anaconda简化Python环境管理。下载安装脚本：wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh。运行bash Anaconda3-2024.02-1-Linux-x86_64.sh，按照提示完成安装。重启终端或运行source ~/.bashrc激活conda。验证：conda --version。

安装PyTorch

使用conda创建环境并安装PyTorch。运行：conda create -n pytorch_env python=3.9，然后conda activate pytorch_env。根据PyTorch官网命令安装：conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia（注意：PyTorch可能未直接支持CUDA 12.8，但通常兼容；这里使用CUDA 12.1版本，确保与系统匹配）。

验证安装

在Python中验证PyTorch和CUDA。运行Python：python，然后输入以下代码：

    import torchprint(torch.version)print(torch.cuda.is_available())print(torch.cuda.get_device_name(0))  

如果输出显示CUDA可用和GPU名称，则安装成功。这表明您在WSL2和Ubuntu中已完整配置深度学习环境。

总结

本教程详细介绍了在WSL2-Ubuntu中安装CUDA 12.8、cuDNN、Anaconda和PyTorch的步骤。通过验证，确保环境可用于深度学习项目。如有问题，请检查版本兼容性或参考官方文档。享受在Linux子系统中的开发吧！