最简单的方式：如何在wsl2上配置CDUA开发环境

ezXQqS

step0：序言

这篇文章可以帮助你以一个最为简单的方式迈出CUDA的第一步，从此一入CUDA深似海，从此头发是路人。
前提：你需要在Windows 11上：

• 电脑中有nvidia显卡以及驱动，由于wsl cuda不支持maxwell gpu架构，所以需要10系以上的显卡
  
• 安装wsl2，配置ubuntu镜像并确定能够进入。
  

此处使用：

• 操作系统镜像为：ubuntu 22.04.3 LTS
  
• 安装cuda版本：12.8.1
  

注意，在wsl上配置cuda与在普通Linux上配置有程序上的不同，务必注意！
step1：前期准备

由于此处使用的ubuntu 22.04.x版本，我们需要做一些前期配置
可以从这个链接中查询cuda 12.8.1和操作系统，内核，gcc，glibc版本的对应关系：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
理论上来说其他版本也不一定不支持，但是出于少给自己找麻烦的需求，按照官方教程更新版本
确认操作系统和工具链版本：
lsb_release -a # 确认操作系统版本gcc -v # 确认gcc版本cmake --version # 确认cmake版本ldd --version # 确认glibc版本安装gcc12.3.0：
sudo apt install gcc-12 g++-12 -ysudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 100sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-12 100gcc --version # 确认gcc版本安装cmake（截至本文撰写cmake latest version为3.22.1）：
sudo apt install cmakecmake --version至此，先期工具链已经配置完成。
step2：安装CUDA toolkit

CUDA toolkit是开发过程中必备的工具链，本阶段我们需要安装并配置。
参考官方教程：

• https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local
  
• https://docs.nvidia.com/cuda/wsl-user-guide/index.html#getting-started-with-cuda-on-wsl
  

既有的运行用的CUDA和编译开发用的CUDA toolkit完全是两个东西，不要搞混。
严格按照以下代码执行，顺序不要改变：
sudo apt-key del 7fa2af80wget 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-600wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.1-1_amd64.debsudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.1-1_amd64.debsudo cp /var/cuda-repo-wsl-ubuntu-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/sudo apt-get updatesudo apt-get -y install cuda-toolkit-12-8sudo apt-get install cudastep3：尝试编译并运行sample项目

nvidia官方提供了一个sample项目，用于初学者快速上手CUDA：
执行如下代码，从github中clone并构建
git clone https://github.com/NVIDIA/cuda-samples.gitcd cuda-samples/mkdir build && cd buildexport PATH=/usr/local/cuda-12.8/bin/:$PATHcmake ..也可以进入某一个具体项目路径下编译并运行，此处以vectorAdd为例：
cd Samples/0_Introduction/vectorAddcmake .make./vectorAdd如果一切顺利，你将会看到如下输出：
~/cuda-samples/Samples/0_Introduction/vectorAdd$ ./vectorAdd [Vector addition of 50000 elements]Copy input data from the host memory to the CUDA deviceCUDA kernel launch with 196 blocks of 256 threadsCopy output data from the CUDA device to the host memoryTest PASSEDDone至此，已经完成了所有配置，你应该能够在自己的wsl中自由编译并运行CUDA程序了。
下一期我们开始正式进入CUDA的世界，从CUDA kernel开始，压榨GPU的每一寸性能，在这个过程中你会深切感受到算力的强大。
以上，感谢阅读，如果你认为这篇文章有帮助，关注雪豹喵，关注雪豹谢谢喵。