怎么在wsl配置gpu的运行环境tensorflow

在WSL（Windows Subsystem for Linux）中配置GPU以运行TensorFlow需要几个步骤。请注意，不是所有的WSL版本都支持GPU访问，尤其是早期版本。以下是基于Ubuntu WSL 2的指导：

1. **确认硬件支持**：首先确保你的电脑有CUDA兼容的NVIDIA GPU，并安装了对应的驱动程序。可以访问NVIDIA官网下载适用于你的系统的驱动。

2. **更新系统**：

   sudo apt-get update
   sudo apt-get upgrade

3. **安装CUDA和cuDNN**：
- 添加apt存储库：

     sudo add-apt-repository ppa:graphics-drivers/ppa

- 安装CUDA和cuDNN：

     sudo apt-get install nvidia-driver-cuda nvidia-cudnn-dev

4. **安装TensorFlow-GPU**：

   pip install tensorflow-gpu --upgrade

如果遇到权限问题，可以尝试`sudo -H pip install tensorflow-gpu --upgrade`。

5. **检查安装**：

   python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

6. **设置环境变量**：
将GPU路径添加到PATH环境变量中，例如：

   echo 'export PATH="/usr/local/cuda/bin:$PATH"' >> ~/.bashrc
   source ~/.bashrc

7. **验证配置**：
运行一个简单的TensorFlow GPU示例，如MNIST教程：

   import tensorflow as tf
   hello = tf.constant('Hello, TensorFlow!')
   with tf.device('/device:GPU:0'):
       gpu_hello = tf.constant('你好，TensorFlow!')
   sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
   print(sess.run(hello))
   print(sess.run(gpu_hello))