虚拟机使用主机显卡(hyper-v和WSL2)

我的系统版本
WSL2+Ubuntu20.04+CUDA
- 启用WSL2+安装Ubuntu20.04
主机安装WSL Cuda显卡驱动
WSL2 Ubuntu安装cuda和cudnn
- cuda
- cudnn
- 安装TensorFlow
- 使用自带测试程序
- 测试keras训练模型
- 参考链接
hyper-v+win10
- 准备iso镜像
- 使用hyper-v安装win10系统
- 使用脚本配置GPU-Pv
- 显卡驱动
hyper-v安装ghost备份文件
- 创建虚拟机
- 新建一个硬盘
- 接着将这个硬盘添加到虚拟机里
- 分区然后还原系统
- 将DVD驱动器移除
- 参考链接

我的系统版本

我更新到了最新的版本，这样可以避免很多不必要的麻烦。

WSL2+Ubuntu20.04+CUDA

启用WSL2+安装Ubuntu20.04

这个很简单，请看：https://blog.csdn.net/RenLJ1895/article/details/122741040

主机安装WSL Cuda显卡驱动

在最新的显卡驱动都已经包含了WSL Cuda驱动，所以显卡驱动已经更新到最新版本，就不用重新安装了。另外：WSL2的Ubuntu系统里不需要再安装任何显卡相关的驱动

我的显卡驱动版本

WSL2 Ubuntu安装cuda和cudnn

cuda

这个和再Ubuntu安装没有多大的区别，CUDA安装的命令查看地址：https://developer.nvidia.com/cuda-toolkit-archive

我选择的版本是11.6.0，接着再Ubuntu里面一个一个敲下面的命令等待安装完成。

更新~/.bashrc文件

#把这三行复制到文件底部
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

#更新一下bashrc文件
source ~/.bashrc#更新一下可能需要的依赖
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev#用以下代码检查cuda是否检查成功，注意此处的cuda版本是你在toolkit下载那里决定的，这个版本可能和nvidia-smi显示的版本号不一样，可高可低，这是因为nvidia给cuda开了两个api，这两个api只要差不是太远，基本都可以保证正常运行cuda
nvcc -V

ubuntu中的nvidia-smi目录再/usr/lib/wsl/lib/nvidia-smi，可以建个软链接到/usr/local/bin下，也可以将这个目录加到环境变量里，任何执行nvidia-smi(这里识别出cuda版本是11.7应该是主机的版本，这个不重要)

cudnn

下载地址：https://developer.nvidia.com/rdp/cudnn-archive (需要登录，下载最新的11.x, 其实就是11.6)

解压到cuda安装目录

#以下是安装命令
tar -zxvf cudnn-自己补全版本号.tgz
sudo cp -P cuda/lib64/* /usr/local/cuda-11.6/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.6/include/#为更改读取权限：
sudo chmod a+r /usr/local/cuda-11.6/include/cudnn.h
sudo chmod a+r /usr/local/cuda-11.6/lib64/*

安装TensorFlow

我选择的是tensorflow-gpu==2.8.1, 因为2.0以后的TensorFlow自带了keras，直接import tensorflow.keras即可。所以不用额外安装了。

使用自带测试程序

cat /usr/local/cuda/samples/README_CUDA_Samples.txt
这个文件里有个GitHub的链接：https://github.com/NVIDIA/cuda-samples
把文件拷下来(如果速度很慢，则需要点手段，这个就不说了)
cd /usr/local/cuda/samples
git clone https://github.com/NVIDIA/cuda-samples.git
然后编译可执行文件
cd cuda-samples
sudo make
需要等待个十几分钟吧，生成的可执行文件在cuda-samples/bin/x86_64/linux/release 目录

测试通过，说明环境都没啥问题

测试keras训练模型

在vscode里下载Remote-WSl 插件，左边就会多一个按钮。打开然后创建个目录写代码

效果(可以看到显存已经占满了，训练也正常跑了)
不过出了很多的警告信息，谷歌搜了下没找到什么原因，算了，能跑就行了

参考链接

1、https://blog.csdn.net/iwanvan/article/details/122119595

hyper-v+win10

准备iso镜像

需要下载和主机系统一样的镜像(主要是为了显卡驱动一模一样，保证直接拷贝主机显卡驱动文件到虚拟机不会出问题)

使用hyper-v安装win10系统

步骤没什么区别

使用脚本配置GPU-Pv

下载脚本：https://github.com/Sam-Chai/gpu-pv-ps1

修改图中两个位置，第一个为虚拟机的名称，第二个是虚拟机能使用的最大显存。我设置的和主机显卡一样

然后右键使用powershell运行，这样会不容易看出输出信息。窗口一闪而过

可以使用Powershell ISE来运行，打开位置如下

将gpu.ps1文件直接拖到这个窗口，点击绿色的执行按钮就能看到输出，没报错输出完成就没问题

显卡驱动

现在直接打开虚拟机，虽然能在设备管理器里面看到显卡的信息，但是显示代码43，因为确实驱动程序，但是又不能直接使用驱动软件下载驱动。

将虚拟机关机，并且挂着虚拟机的磁盘到主机，双击.vhdx文件就可以在磁盘管理里看到(也可以在磁盘管理右键选择附加VHD)，可能会有个报错，可以忽略，因为还没有分配盘符。右键分配一下盘符就行

我已经分配过，一打开就挂载了，图中500G的那个

然后拷贝主机C:\Windows\System32\DriverStore\FileRepository目录下nv开头的文件夹到虚拟机硬盘F:\Windows\System32\HostDriverStore\FileRepository下(目录需要自己建)

然后在磁盘管理红圈的部分右键选择分离VHD，磁盘就取消挂载了

接着虚拟机开机就应该能看到显卡正常工作了

具体有没有真的正常工作，这个还真不清楚，先跑个鲁大师试试
虚拟机：
主机：

相差还是挺大的，而且在虚拟机跑鲁大师直接卡死了，要等他测完才能连接到，尴尬，虚拟机CPU只给了1核，我说怎么这么卡。

后面在看看玩游戏的表现，跑模型就没必要了，用WSL或者直接在主机里跑更方便。

hyper-v安装ghost备份文件

一开始我不想安装系统，想直接备份主机的系统到ghost文件里。然后再hyper-v还原成虚拟机，但是还原后的虚拟机很卡，基本无法操作，估计是很多驱动都不兼容，分享下如果安装ghost

创建虚拟机

其他步骤一样，就是选择镜像的时候，需要选择PE系统的ISO镜像，我这里选了微PE的镜像(下载微PE，就有生成ISO文件的选项)

新建一个硬盘

硬盘大小比ghost文件大一点就行，比如我备份的系统文件大小是62G，虚拟硬盘选个63G就行了，选择固定大小(因为看到下面写了更好的性能)

生成虚拟硬盘文件之后，就是挂载这个硬盘，然后拷贝ghost文件到虚拟硬盘，这样做的目的是因为到时候要在虚拟机里还原系统，ghost文件又不能放系统盘，所以创建个盘来装。装完系统这个盘就可以卸载了

接着将这个硬盘添加到虚拟机里

添加刚才的包含ghost文件的虚拟硬盘

接着开机，正常应该进入到pe系统

分区然后还原系统

因为选的第二代，分区的格式必须选择GPT，不能选MBR，第二代引导是UEFI。还原成功后，需要修复下UEFI引导(可能是非必要的)

这个就不截图演示了

将DVD驱动器移除

选择无点应用就可以了，包含ghost文件的虚拟硬盘也可以移除

如果你也修复了UEFI引导，那么在固件的位置会增加一个文件，这个不用管

点开机然后应该就能正常进入系统，

参考链接

1、https://www.bilibili.com/read/cv15539810
2、https://www.bilibili.com/video/BV11u411U7KJ