windows下用wsl2进行训练

本文最后更新于 2022年11月28日凌晨

本文是使用wsl来尝试训练，从头到尾流程记录。结论是wsl下比WIN下要快。

安装wsl

打开powershell，执行

1	`wsl.exe --install`

完成后需要重启，然后查看wsl版本和linux版本

wsl -l -v

  NAME      STATE           VERSION
* Ubuntu    Running         2

默认安装是2，如果不是可以通过wsl –set-version Ubuntu 2来切换

安装cuda工具包

显卡驱动用GeForce Experience更新好，我这儿是基于可以在windows下训练，然后再尝试用wsl来训练的场景。所有不记录前置安装。

sudo apt-key del 7fa2af80
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

安装anconda

1
2
3

wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh
chmod +x Anaconda3-2022.10-Linux-x86_64.sh
./Anaconda3-2022.10-Linux-x86_64.sh

一路回车加yes，安装完成后退出终端重新进入

1 2	`(base) fff@FZJ:~$ conda -V conda 22.9.0`

建立环境

1
2
3

conda create -n deep python=3.8
conda activate deep
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

检测

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

yolov5

下载工程和配置环境

1
2
3

git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

直接用示例来尝试训练

1	`python train.py --img 640 --batch 16 --epochs 10 --data coco128.yaml --weights yolov5s.pt`

然后在原本的win环境下执行相同命令得到：

对比看出wsl下训练要快，果然还是眷顾linux。我这种长年win下开发的不受待见 - -|