如何离线安装CUDA toolkit for WSL

离线安装 CUDA Toolkit for WSL (Windows Subsystem for Linux) 的步骤如下：

1. 准备工作

首先，你需要有一个能够运行 WSL 2 的 Windows 系统，并且安装了 NVIDIA 驱动程序和 CUDA 工具包的支持。确保你已经在系统上启用了 WSL 2，并且有 NVIDIA 显卡。

2. 下载 CUDA Toolkit for WSL

为了离线安装 CUDA，你需要在有网络连接的电脑上下载 CUDA Toolkit 的离线安装包。你可以 NVIDIA 官方网站来下载所需的 CUDA 版本。

访问 NVIDIA CUDA Toolkit 下载页面：

1. 选择你需要的 CUDA 版本。
2. 在下载选项中选择 Linux -> x86_64 -> Ubuntu 版本（因为 WSL 上通常是基于 Ubuntu 的发行版）。
3. 选择下载类型为 runfile (local)，它是一个独立的离线安装文件。

3. 传输安装包到 WSL

将下载好的安装文件通过 U盘、文件共享、或者其他方式传输到你的 WSL 系统中。你可以将它放在 WSL 系统内的任意4. 安装依赖项 在 WSL 中打开终端，并确保安装了 CUDA 所需的依赖项。你可以通过运行以下命令来安装依赖项：

bash
sudo apt-get update
sudo apt-get install build-essential dkms

5. 安装 CUDA Toolkit

切换到包含 CUDA 安装包的目录，并运行以下命令：

bash
sudo bash cuda_<version>_linux.run

请替换 <version> 为你下载的具体 CUDA 版本号。

在安装过程中，你会看到一些选项，确保选择了 Driver 和 Toolkit，如果你已经安装了适当的驱动程序，你可以跳过安装驱动部分。

6. 配置环境变量

安装完成后，你需要设置 CUDA 的环境变量。你可以编辑 ~/.bashrc 文件，添加：

bash
export PATH=/usr/local/cuda-<version>/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-<version>/lib64:$LD_LIBRARY_PATH

请替换 <version> 为你安装的 CUDA 版本号。然后运行以下命令来使环境变量生效：

bash
source ~/.bashrc

7. 验证安装

可以通过以下命令验证 CUDA 是否成功安装：

bash
nvcc --version

如果安装成功，它会显示 CUDA 的版本信息。

8. 安装 cuDNN (可选)

如果你需要使用 cuDNN，可以从 NVIDIA 官网 下载 cuDNN 的离线安装包，按照类似的方式安装。

---

完成上述步骤后，你应该能够在 WSL 上离线安装并运行 CUDA Toolkit。如果有任何问题或错误，检查安装过程中出现的提示信息，并确保所有步骤都已正确执行。

可以的！你完全可以在一台联网电脑上下载 CUDA Toolkit 12.8 的安装文件，然后在另一台电脑（无网络）上进行 离线部署。

下面是完整的步骤规划，包括前期准备、下载、传输、安装和验证部分，确保你能成功离线部署 CUDA Toolkit 12.8，特别是在 WSL 或 Linux 系统中使用。

---

✅ 目标：离线部署 CUDA Toolkit 12.8

---

🧩 一、联网电脑：下载 CUDA Toolkit 12.8 安装包

1. 打开 NVIDIA 官方 CUDA 下载页面： 👉 https://developer.nvidia.com/cuda-12-8-0-download-archive

2. 选择平台：

   • Operating System: Linux
   • Architecture: x86_64
   • Distribution: Ubuntu
   • Version: 对应你 WSL 使用的 Ubuntu 版本（比如 20.04 或 22.04）
   • Installer Type: runfile (local)（重要！离线部署推荐）

3. 点击 Base Installer 链接，下载 .run 文件（例如 cuda_12.8.0_..._linux.run）

4. 可选：下载补充库（如 cuDNN）：

   • 前往 cuDNN 官网：https://developer.nvidia.com/cudnn
   • 下载适用于 CUDA 12.8 的 .tgz 文件或 .deb 包

5. 将所有下载的文件（例如 .run 安装包、cuDNN 压缩包）整理到一个文件夹中，例如：

   text
   cuda_12.8_offline/
   ├── cuda_12.8.0_..._linux.run
   └── cudnn-linux-x86_64-8.x.x.x_cuda12-archive.tar.xz （如需要）

---

💾 二、传输安装文件到离线电脑

将下载好的 cuda_12.8_offline 文件夹通过以下方式传输到目标电脑（WSL或Linux）：

• 使用 USB 闪 移动硬盘
• Windows 本地路径映射到 WSL（如放到 C:\Users\YourName\cuda_offline，然后在 WSL 用 /mnt/c/Users/YourName/cuda_offline 访问）
• 局域网共享

---

🔧 三、在离线电脑安装 CUDA Toolkit

1. 安装前准备

bash
sudo apt update
sudo apt install build-essential dkms

确保有 gcc/g++ 编译环境。

2. 安装 CUDA Toolkit

进入安装包所在目录：

bash
cd /path/to/cuda_12.8_offline
chmod +x cuda_12.8.0_..._linux.run
sudo ./cuda_12.8.0_..._linux.run

在安装交互过程中，你可以选择：

• 安装 CUDA Toolkit
• 跳过 NVIDIA 驱动安装（WSL 下或已安装驱动时）

📌 注意：在 WSL 上，NVIDIA 驱动应该安装在 Windows 上，而不是在 WSL 内安装。

3. 设置环境变量

编辑你的 shell 配置文件（比如 .bashrc）：

bash
export PATH=/usr/local/cuda-12.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH

应用配置：

bash
source ~/.bashrc

---

📦 四、安装 cuDNN（可选）

如果你需要 cuDNN 加速深度学习：

bash
tar -xvf cudnn-linux-x86_64-8.x.x.x_cuda12-archive.tar.xz
cd cudnn-*-archive

sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib64/

---

✅ 五、验证安装

bash
nvcc --version

检查是否输出 CUDA 12.8 的版本信息。

也可以运行示例程序：

bash
cd /usr/local/cuda-12.8/samples
sudoj$(nproc)
cd bin/x86_64/linux/release
./deviceQuery

输出中应有 "Result = PASS"，表示 CUDA 安装成功并可用。

---

✅ 小贴士

步骤	要点
下载	使用 .run 安装器确保离线安装可行
环境变量	正确配置 PATH 和 LD_LIBRARY_PATH
驱动	CUDA Toolkit 安装时不安装 NVIDIA 驱动
cuDNN	可以提前下载并用 tar 包手动部署

---

如果你告诉我你使用SL 版本，我还可以给你更精准的命令或安装包建议。

需要我帮你生成具体的 shell 安装脚本吗？

可以！你完全可以在 Windows 上安装 CUDA Toolkit，而且在很多场景下（比如直接用 TensorFlow、PyTorch for Windows、或进行本地开发）安装在 Windows 上是非常合理的做法。

不过你提到的是 “WSL + 离线安装 CUDA Toolkit”，所以我之前是按照 Linux/WSL 的路径给你详细写的。

现在我们来明确两种不同的情况：

---

✅ 如果你想在 Windows 上（非 WSL）安装 CUDA Toolkit 12.8

这是完全可行的，并且安装方法和离线部署也是可以规划的。以下是详细步骤：

---

🧩 一、在联网电脑上下载离线 CUDA Toolkit 12.8 安装包（Windows）

1. 前往 CUDA Toolkit 12.8 下载页面

2. 选择如下选项：

   • Operating System: Windows
   • Architecture: x86_64
   • Version: 10 或 11（看你的 Windows 系统）
   • Installer Type: exe (local) 或 zip

3. 下载：

   • exe (local)：包含完整离线安装包，适合复制到另一台电脑离线安装
   • 或者你也可以选择 zip 版（便于提取）

---

💾 二、复制安装文件到目标电脑

将 .exe 或 .zip 文件通过 U盘、移动硬盘、或文件共享方式传到目标 Windows 电脑。

---

🔧 三、离 Toolkit

使用 .exe (local) 安装器：

1. 双击 cuda_12.8.xxx_windows.exe
2. 在安装过程中选择 “自定义安装”（可以选择不装驱动）
3. 如果你已经安装了 NVIDIA 显卡驱动，可以跳过驱动安装部分，仅安装 CUDA Toolkit 和 SDK

---

📌 四、安装 cuDNN（可选）

1. 下载对应 CUDA 12.8 的 cuDNN 压缩包（需登录 NVIDIA 开发者账户）：

   • https://developer.nvidia.com/cudnn

2. 解压 cuDNN 后，将内容复制到 CUDA Toolkit 安装路径下（通常是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\）：

   • bin → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\bin
   • include → 同名路径
   • lib → 同名路径

---

✅ 五、验证 CUDA 安装是否成功

打开 cmd 或 PowerShell，输入：

bash
nvcc --version

或者在 Start 菜单找到 "NVIDIA Nsight Compute" 等开发工具。

---

🎯 总结对比：Windows vs WSL 安装 CUDA Toolkit

项目	安装在 Windows	安装在 WSL
场景	原生 Windows 深度学习、CUDA开发	Linux 环境（WSL）下的开发
安装方式	.exe (local)，图形界面安装	.run 文件，命令行安装
cuDNN	拷贝到 Windows CUDA 目录	拷贝到 /usr/local/cuda 下
使用 PyTorch/TensorFlow	可用 Windows 版本	推荐使用 Linux 版本

---

🔹所以你的选择取决于：你要用 CUDA 的地方是在 Windows 还是 WSL。

• 如果你在 Windows 上用 PyTorch/TensorFlow，只装 Windows CUDA 即可。
• 如果你在 WSL（Linux）内使用深度学习工具 Linux），需要在 WSL 内安装 CUDA Toolkit，但依赖于 Windows 上正确安装的显卡驱动。

---

需要我帮你列出 Windows CUDA Toolkit 12.8 的官方下载链接？或者直接帮你生成 Windows 安装清单？

好问题！这个是很多人搞混的地方，我们来彻底理清：

---

✅ 简短结论：

是的，如果你要在 WSL (Ubuntu 等) 内部使用 GPU 跑 CUDA 或深度学习任务，你必须在 WSL 内部安装 CUDA Toolkit。

不过，这里有个关键点：

WSL 中使用 GPU 的前提 是：** Windows 上已正确安装支持 CUDA 的 NVIDIA 驱动**，但WSL 内还需要安装 CUDA 工具包（Toolkit）本身。

---

📌 为啥要在两个地方分别安装？

位置	安装内容	是否必须	作用
Windows	NVIDIA GPU 驱动（包括 WSL 支持）	✅ 必须	提供对显卡的访问能力，WSL GPU 接口靠它
WSL (Ubuntu 等)	CUDA Toolkit	✅ 必须	提供 nvcc、libcudart.so 等开发库，供 PyTorch、TensorFlow 使用

---

🎯 举个例子说明

假设你已经：

• 在 Windows 上装了最新 NVIDIA 驱动，并且驱动支持 WSL
• 开启了 WSL 2
• 在 WSL 中使用 Ubuntu，并想跑 PyTorch 或 TensorFlow

你在 WSL 中运行如下代码：

python
import torch
print(torch.cuda.is_available())

如果你没在 WSL 中安装 CUDA Toolkit

• 会报错找不到 libcuda.so 或某些 runtime
• 或者运行很慢（fallback 到 CPU）

---

✅ 正确做法：三步到位

1. Windows 上安装 GPU 驱动（支持 WSL）

   • 访问：NVIDIA WSL 驱动页面
   • 安装 “Windows Display Driver for WSL”（它是标准驱动的一部分）

2. WSL 中安装 CUDA Toolkit（比如 CUDA 12.8）

   • 可以联网安装：使用官方 deb 仓库
   • 或离线安装：下载 .run 文件拷贝进去安装（我们前面讲了）

3. 在 WSL 中配置好环境变量

   bash
   export PATH=/usr/local/cuda-12.8/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH

---

🔍 如何验证你 WSL 是否能访问 GPU？

在 WSL 内部 运行：

bash
n信息（如 RTX 3080、驱动版本等），说明 WSL 能访问 GPU。

然后用以下命令验证 CUDA 是否可用：

```bash
nvcc --version       # 查看 CUDA Toolkit 版本
deviceQuery          # 在 /usr/local/cuda/samples 编译运行测试

---

🧠 总结

要点	是否需要
Windows 上安装 GPU 驱动	✅ 是，必须的
WSL 内安装 CUDA Toolkit	✅ 是，必须的
Windows 上安装 CUDA Toolkit	❌ 可选（只在你要在 Windows 运行 CUDA 时需要）

---

如果你还没安装 WSL 内的 CUDA Toolkit，我可以帮你生成完整的命令或安装脚本。要不要我帮你搭一套？