WSL2 上の Ubuntu での NVIDIA CUDA ツールキット, NVIDIA cuDNN, PyTorch, TensorFlow 2.11 のインストールと動作確認（Windows 上）

前準備

次の公式のページの情報により，前準備を行う

https://docs.nvidia.com/cuda/wsl-user-guide/index.html#abstract

Windows 10 の場合には，Windows 11 に更新するか，Windows Insider Preview を使う

1. 次の URL で，Windows 10 Insider Program に登録する．

   https://insider.windows.com/en-us/getting-started#register

2. Windows の設定の「更新とセキュリティ」で，「Windows Insider Programの設定」をクリック
3. 「診断＆フィードバックの設定に移動し、オプションの診断データをオンにします。」が表示される場合には，画面の指示に従い，オプションの診断データをオンにする．
4. 設定を行う．「Insiderの設定を選択してください」では，「Devチャネル」を選ぶ．
5. 画面の指示に従い，再起動する．
6. 次に，設定で「Windows Update」を選び．更新を行う．これにより，Insider Preview の機能がインストールされる．

WSL 2 と Ubuntu のインストール

手順は 別ページ »で説明している．

WSL 2 での Ubuntu のバージョン確認と更新

1. Windows で，コマンドプロンプトを実行．
2. インストール済みの Ubuntu のカーネルのバージョンの表示
   • 「wsl -l」でディストリビューション名を確認

     wsl -l
     

     
   • 「wsl -d ＜ディストリビューション名＞ uname -r」を実行して， Ubuntu のカーネルのバージョンの表示．
     
3. 表示されたバージョンが，5系列であることを確認．4系列である場合には， 4.9.121のように，121 以上になっていることを確認．
   • 次のように，5系列以上になっていれば OK.
     
   • Windows 10 の LTS 版を使い続けている場合には，4系列が 表示されると思われる．

     4.9.121のように，121 以上になっていれば OK.

     

   4系列を使っていて，121 より小さい値のときは，更新する必要がある．

   

   更新の手順は次の通り．

   1. コマンドプロンプトを管理者として開き「wsl --update」あるいは「wsl -d ＜ディストリビューション名＞ --update」を実行
      
   2. 表示の指示に従い，「wsl --shutdown」を実行
      

   ※ 「wsl --update」あるいは「wsl -d ＜ディストリビューション名＞ --update」を実行を実行したが， 「利用できる更新ない」というとき（下図のように）

   

   は，次の手順を行う．

   1. 「Windows Update」の設定で，「詳細オプション（追加の更新コントールと設定）」を開く．
      
   2. 「Windows の更新時に他の Microsoft 製品の更新プログラムを受け取る」をオンにする．
      
   3. そして，Windows Update で「更新プログラムのチェック」をクリックし，更新する．
      
   4. 「wsl --update」あるいは「wsl -d ＜ディストリビューション名＞ --update」を再度実行する．

NVIDIA ドライバのインストール

Ubuntu のインストールが終わった後， NVIDIA ドライバを，Windows マシンにインストールする．

これは，Windows マシンにインストールするのであって，WSL上の Ubuntu でのインストール作業ではない．

1. Windows で，コマンドプロンプトを実行．
2. コマンドプロンプトで，次のコマンドを実行し，すべての Linux サブシステムをシャットダウンしておく．

   wsl --shutdown
   

   
3. グラフィックス・カードの種類が分からないときは，確認しておく．

   hwinfo (URL: https://www.hwinfo.com) を使って調べることができる．

4. NVIDIA ドライバの利用条件などは，次のページで，利用者で確認すること．

   https://docs.nvidia.com/cuda/wsl-user-guide/index.html

5. NVIDIA ドライバは，次のWeb ページからダウンロード

   【NVIDIA ドライバのダウンロードページ】

   https://www.nvidia.co.jp/Download/index.aspx?lang=jp

   
6. ダウンロードしたファイルを実行して，インストールする
   

PyTorch のインストール

1. Windows で，コマンドプロンプトを実行．
2. WSL で Ubuntu を起動
   • 既定（デフォルト）のディストリビューションを指定している場合，あるいは，ディストリビューションを 1つしかインストールしていない場合は， 次のコマンドで起動．

     wsl
     

     

   • そうでない場合には「wsl -l」でディストリビューション名を確認の上， 「wsl -d ＜ディストリビューション名＞」で起動
     
3. Python3 開発用ファイル，pip, setuptools のインストール

   sudo apt -y update
   sudo apt -y install python3-dev python3-pip python3-setuptools
   

4. パソコンの Web ブラウザで，PyTorch の Web ページを開く

   https://pytorch.org/

5. コマンドを表示させる

   次のように選ぶと，その下に，ランタイムコマンドが表示される

   • PyTorch Build: Stable を選ぶ
   • Your OS: Linux を選ぶ
   • Package: pip を選ぶ
   • Language: Python を選ぶ
   • CUDA:

     CUDA を使わない場合は「CPU」を選ぶ． CUDA を使う場合には，次の手順で行う．

     CUDA を使うとき，CUDA のバージョンを選ぶ．

   そして，「Run this Command」のところに表示されるコマンドを確認．

   
6. 「Run this Command」のところに表示されたコマンドを実行

   頭には「sudo」を付ける．実行するコマンドは「sudo pip3 ....」のようになる．

   
7. Python でPyTorch のバージョン確認

   バージョン番号が表示されれば OK．下の図とは違うバージョンが表示されることがある．

   python3 -c "import torch; print( torch.__version__ )"
   

   
8. PyTorch で GPU が使用できるかの確認

   次の Python プログラムを実行

   python3 -c "import torch; print(torch.__version__, torch.cuda.is_available())"
   

   
9. python3 で PyTorch の動作確認
   https://pytorch.org/get-started/locally/ に記載の Python プログラムを動かしてみる

   import torch
   x = torch.rand(5, 3)
   print(x)
   

   

TensorFlow 2.11, numpy, pillow, pydot, matplotlib, keras, opencv-python （WSL2 の Ubuntu 上）

1. Windows で，コマンドプロンプトを実行．
2. WSL で Ubuntu を起動
   • 既定（デフォルト）のディストリビューションを指定している場合，あるいは，ディストリビューションを 1つしかインストールしていない場合は， 次のコマンドで起動．

     wsl
     

     

   • そうでない場合には「wsl -l」でディストリビューション名を確認の上， 「wsl -d ＜ディストリビューション名＞」で起動
     
3. NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 のインストール

   TensorFlow 2.11 の動作に使う．

   Ubuntu 22.04 で NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 のインストールを行う．

   1. NVIDIA CUDA パッケージレポジトリで，ファイル名を確認

      NVIDIA CUDA パッケージレポジトリの URL: https://developer.download.nvidia.com/compute/cuda/repos/

      Ubuntu 22.04 の場合は，https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ で確認．

      「.pub」という名前の付いたファイルを確認．

      

      「cuda-ubuntu....pin」という名前の付いたファイルを確認．

      
   2. NVIDIA CUDA パッケージレポジトリを，Ubuntu システムに追加

      このとき，いま，確認したファイル名を指定すること．

      端末で，次のように操作する．

      Ubuntu 22.04 の場合は，次の操作により，NVIDIA CUDA のパッケージレポジトリが Ubuntu システムに追加される．

      sudo wget -O /etc/apt/preferences.d/cuda-repository-pin-600 https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
      sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
      sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"
      

      
   3. NVIDIA CUDA ツールキットに関するパッケージ名の確認

      sudo apt -y update
      apt-cache search cuda-11
      

      
   4. 今度は，NVIDIA cudnn に関するパッケージ名の確認

      sudo apt -y update
      apt-cache search cudnn
      

      
   5. NVIDIA CUDA パッケージレポジトリを用いて，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 のインストール

      Ubuntu 22.04 の場合は，次の操作により，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 がインストールされる．

      次のコマンドを実行．

      sudo apt -y update
      sudo apt -y install cuda-11-8
      

      
      （以下省略）
   6. NVIDIA CUDA ツールキットにパスを通す設定

      次のコマンドを実行．

      export CUDA_PATH=/usr/local/cuda-11.8
      echo 'export CUDA_PATH=/usr/local/cuda-11.8' >> ${HOME}/.bashrc
      export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}
      echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}' >> ${HOME}/.bashrc
      export PATH=/usr/local/cuda-11.8/bin:${PATH}
      echo 'export PATH=/usr/local/cuda-11.8/bin:${PATH}' >> ${HOME}/.bashrc
      

      
   7. インストールできたことの確認のため，CUDA ツールキットのバージョンを確認

      次のコマンドを実行．

      cat /usr/local/cuda-11.8/version.json
      

      
   8. NVIDIA cuDNN のインストール

      古いバージョンの Ubuntu である Ubuntu 20.04 や Ubuntu 18.04 で，下に書いた手順でうまくいかないような場合は，NVIDIA 機械学習パッケージレポジトリを利用できる場合もある．参考にしてください．

      NVIDIA 機械学習パッケージレポジトリの URL: https://developer.download.nvidia.com/compute/machine-learning/repos/

   9. 再度，NVIDIA cudnn に関するパッケージ名の確認

      sudo apt -y update
      apt-cache search cudnn
      

      
   10. いま確認したパッケージ名を指定して，NVIDIA cuDNN のインストール

       sudo apt -y install libcudnn8 libcudnn8-dev
       

       
   11. インストールされたパッケージの確認

       dpkg -l | grep cudnn 
       

       
4. Python3 開発用ファイル，pip, setuptools のインストール

   sudo apt -y update
   sudo apt -y install python3-dev python3-pip python3-setuptools
   

5. 使用する Python のバージョンの確認

   python3 --version
   

   
6. パッケージのアンインストール操作

   ※ トラブルの可能性を減らすために，次の操作でアンインストールを行っておく．

   sudo apt -y remove python3-keras
   sudo pip3 uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tensorflow-estimator tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer
   

   
7. TensorFlow の前提パッケージのインストール

   ※ トラブルの可能性を減らすために，pip3 を用いたアンインストール操作を行っておく．

   sudo pip3 uninstall -y six wheel astunparse tensorflow-estimator numpy keras-preprocessing absl-py wrapt gast flatbuffers grpcio opt-einsum protobuf termcolor typing-extensions google-pasta h5py tensorboard-plugin-wit markdown werkzeug requests-oauthlib rsa cachetools google-auth google-auth-oauthlib tensorboard tensorflow
   sudo apt -y install python3-six python3-wheel python3-numpy python3-grpcio python3-protobuf python3-termcolor python3-typing-extensions python3-h5py python3-markdown python3-werkzeug python3-requests-oauthlib python3-rsa python3-cachetools python3-google-auth
   

   
   （以下省略）
8. TensorFlow 2.11, numpy, pillow, pydot, matplotlib, keras, opencv-python のインストール

   sudo apt -y update
   sudo apt -y install python3-numpy python3-pil python3-pydot python3-matplotlib
   sudo apt -y install libopencv-dev libopencv-core-dev python3-opencv libopencv-contrib-dev opencv-data
   sudo pip3 install -U tensorflow tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer 
   sudo pip3 install git+https://github.com/tensorflow/docs
   sudo pip3 install git+https://github.com/tensorflow/examples.git
   sudo pip3 install git+https://www.github.com/keras-team/keras-contrib.git
   

9. その結果，エラーメッセージが出ていないことを確認．
   
10. TensorFlow のバージョン確認

    次のコマンドを実行．

    バージョン番号が表示されれば OK．下の図とは違うバージョンが表示されることがある．

    python3 -c "import tensorflow as tf; print( tf.__version__ )"
    

    
11. GPU が認識できてるかの確認

    TensorFlow が GPU を認識できているかの確認は，端末で，次を実行して行う．

    python3 -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
    

    「device_type: "GPU"」があれば，GPUが認識できている．

    

    動かない場合には， 次の公式ページが解決の手がかりになる可能性がある．

    https://docs.nvidia.com/cuda/wsl-user-guide/index.html#abstract

TensorFlow のプログラム例

https://github.com/tensorflow/tensorflow に記載のサンプルプログラムを実行してみる

Python プログラムの実行

• 次の Python プログラムを実行してみる．

  結果として 「Hello, TensorFlow!」のように表示されるので確認する．

  import tensorflow as tf
  hello = tf.constant('Hello, TensorFlow!')
  print(hello)
  

  
• 今度は，次の Python プログラムを実行する

  結果として 「42」のように表示されるので確認する．

  「tf.add(a, b)」と「a + b」は，同じ結果になる

  import tensorflow as tf
  a = tf.constant(10)
  b = tf.constant(32)
  print( tf.add(a, b) )
  print( a + b )
  

  
• 今度は，次の Python プログラムを実行する

  結果として 12 が表示されるので確認する．

  import tensorflow as tf
  matrix1 = tf.constant([[3., 3.]])
  matrix2 = tf.constant([[2.],[2.]])
  print( tf.matmul(matrix1, matrix2) )