wsl2中fedora安装cuda
各位大佬，在自己机器上装虚拟机，按照教程各种出问题，又不愿意用ubuntu，还望大佬帮助。谢谢
安装Windows 10 Insiders开发通道
Windows Insider
有关注册为Insider，注册设备以及将计算机升级到Dev Channel的更多信息，请查阅Windows Insider文档。
启用WSL 2
在将来的Windows更新中，您只需使用以下功能即可启用WSL：
wsl --install
- 1
现在，以管理员身份打开PowerShell。
首先启用WSL 1：
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
- 1
然后启用WSL 2：
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
- 1
重新启动Windows 10：
Restart-Computer
- 1
在WSL 2成为默认值之后，此步骤将在将来变得多余，但是现在返回PowerShell，在安装Ubuntu之前将WSL 2设为默认值：
wsl.exe --set-default-version 2
- 1
要了解有关WSL上Ubuntu的更多信息，请访问ubuntu.com/wsl。有关在Windows上启用WSL的详细信息，请查看我们的教程。要将现有的WSL 1安装转换为WSL 2，请参阅我的博客，了解WSL 2的一般可用性。
在WSL上安装Ubuntu
从Microsoft Store安装Ubuntu ：
有关在WSL上安装Ubuntu的其他方法，请参见我们的WSL Wiki。
安装Windows Terminal
（可选）您可以从Microsoft Store安装新的Windows Terminal 。它具有许多功能，例如GPU加速和可定制性，与传统的Windows控制台相比，改进了WSL上的Ubuntu体验。
Windows Terminal也可以从项目的GitHub页面安装。
在WSL上安装Ubuntu
从Windows“开始”菜单中打开Ubuntu，并配置您的WSL用户。该用户与Windows用户是分开的：
如果您下载了Windows Terminal，则可以关闭旧控制台，然后从新Terminal中的下拉选项中重新打开Ubuntu：
现在检查以确保您运行的是正确的WSL 2 Linux核心。
在Ubuntu中：
uname -r
- 1
您将需要内核4.19.121或更高版本。如果您没有内核4.19.121，请首先尝试：
wsl.exe --update
- 1
如果这不起作用，请确保选中“在更新Windows时接收其他Microsoft产品的更新”：
然后重新运行Windows更新：
在Windows 10上安装Nvidia驱动程序
接下来，为您的GeForce或Quadro Nvidia卡下载适当的驱动程序。
在接下来的几个月中，NVIDIA驱动程序将通过Windows Update分发，该驱动程序将不需要手动下载和安装驱动程序。
您现在需要加入Nvidia开发人员计划，以早期访问驱动程序。您可以在Nvidia Developer博客上的WSL上阅读有关CUDA的更多信息。
在WSL中安装Docker
# sudo apt -y install docker.io
curl https://get.docker.com | sh
- 1
- 2
安装Nvidia容器工具包
设置分发变量，导入Nvidia存储库GPG密钥，然后将Nvidia存储库添加到Ubuntu apt软件包管理器：
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list
- 1
- 2
- 3
- 4
- 5
- 6
- 7
刷新Ubuntu apt存储库，然后安装Nvidia运行时：
sudo apt update && sudo apt install -y nvidia-docker2
- 1
关闭Ubuntu的所有打开的终端，打开PowerShell终端，然后手动关闭Ubuntu：
wsl.exe --shutdown Ubuntu
- 1
测试GPU计算
打开一个新的Ubuntu终端并启动Docker：
sudo service docker stop
sudo service docker start
- 1
- 2
然后运行：
docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
- 1
如果一切配置正确，则输出应类似于：
启动一个TensorFlow容器
打开一个新的Ubuntu终端并运行：
docker run -u $(id -u):$(id -g) -it --gpus all -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter
- 1
打开第二个Ubuntu终端，键入wslview，复制并粘贴笔记本URL，然后将URL从127.0.0.1编辑为localhost：
wslview http://localhost:8888/?token=a83a1ad288a7bf1bd1deb694c8a7f19223c8d0baa7d5fb3c
- 1
Windows上的默认浏览器将使用GPU加速的Jupyter笔记本电脑启动：
现在，您都可以在Ubuntu WSL上开始将TensorFlow和CUDA一起使用。
PyTorch CUDA测试
参考
谢谢大佬，这个 我也看到了，但是我是fedora遇到了问题，ubutun就算了