WSL-Ubuntu20.04部署環境配置

1.更換Ubuntu軟件倉庫鏡像源

????????為了在WSL上使用TensorRT進行推理加速，需要安裝以下環境，下面將按以下順序分別介紹安裝、驗證以及刪除環境：

#1.C++環境配置
gcc、gdb、g++
#2.gpu環境
cuda、cudnn
#3.Cmake環境
CMake
#4.OpenCV環境
OpenCV
#5.TensorRT環境
TensorRT

????????在安裝這些庫之前，需要先更換清華鏡像，可以加速Ubuntu下載速度，使用指令lsb_release -a查看Linux 發行版的信息，如下所示：

????????其中關注一下Codename:focal ，參照博客WSL不同版本的Ubuntu更換清華鏡像-CSDN博客，如果是focal的話，則修改鏡像源為下面內容，如果是其他的codename的話，需要將https://mirrors.tuna.tsinghua.edu.cn/ubuntu，后面的focal修改為對應的內容，比如還可能是jammy、lunar、kinetic和bionic。

# 默認注釋了源碼鏡像以提高 apt update 速度，如有需要可自行取消注釋
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiversedeb http://security.ubuntu.com/ubuntu/ focal-security main restricted universe multiverse
# deb-src http://security.ubuntu.com/ubuntu/ focal-security main restricted universe multiverse# 預發布軟件源，不建議啟用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse

????????現在來看一下如何修改，分成兩個步驟，第一：備份該配置文件，避免鏡像替換后不可用，還可以恢復到原始版本；第二：修改鏡像源。

??????? 首先來看備份配置文件：配置文件放在/etc/apt路徑下，執行以下指令備份配置文件sources.list.

 cp sources.list sources.list.bak

?????????然后修改鏡像源，執行以下指令：

vim source.list

?????????最后把前面的鏡像源地址復制進去，然后在一般模式下使用：wq，保存并退出，如下所示：

2.C++環境配置

????????安裝：

sudo apt update
sudo apt install build-essential

? ? ? ? 驗證：

gcc --version

3.CUDA和CUDNN安裝?

????????前面也提到了wsl-ubuntu20.04的顯卡驅動和本機的顯卡驅動是一樣的，再利用nvidia-smi查看下顯卡驅動版本，再決定安裝什么版本的CUDA和cuDNN.

????????顯卡驅動版本號為12.2，可以理解為可以支持的CUDA最大版本號，但是我們也不需要安裝那么高的CUDA，可以選擇一個穩定點的比如CUDA11.6.

3.1CUDA-11.6安裝?

????????CUDA下載：CUDA Toolkit Archive | NVIDIA Developer，選擇cuda11.6下載，如下所示。

?????????安裝: 接下來執行以下指令來進行安裝;

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/11.6.0/local_installers/cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-6-local_11.6.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-6-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

????????以上的指令分別代表：(1)下載 cuda-wsl-ubuntu.pin 文件;(2)移動 cuda-wsl-ubuntu.pin 文件到 /etc/apt/preferences.d/ 目錄;(3)下載 CUDA 11.6 的本地安裝包；（4）安裝 CUDA 倉庫包；（5）添加 CUDA 倉庫的公鑰；（6）更新包列表；（7）安裝 CUDA。

????????其中第三步中，如果網絡不順暢的話可以直接復制鏈接到瀏覽器中進行下載，然后再放到你的安裝路徑下，我這里直接是放在/root路徑下，然后繼續執行后面的步驟。

????????驗證：

????????CUDA默認安裝在/usr/local路徑下，進入到該路徑下，其中cuda-11.6文件夾即為安裝好的cuda，里面會包含有bin、lib及include文件，其中nvcc指令在bin路徑下,即/usr/local/cuda-11.6/bin.

????????下面需要把bin路徑下的常用指令添加在home/.bashrc環境變量文件中，然后再使用nvcc -V來驗證cuda是否安裝成功：

???????首先使用下面指令打開.bashrc:

vim ~/.bashrc

????????然后直接在最后一行插入下面代碼，指示了cuda-11.6的路徑：

export CUDA_HOME=/usr/local/cuda-11.6  # 新建環境變量CUDA_HOME
export PATH=$PATH:$CUDA_HOME/bin       # 將bin目錄添加到PATH這個環境變量

?????????最后執行下面指令來驗證cuda是否已經安裝成功：?

source ~/.bashrc 
nvcc -V

3.2cuDNN-8.9.5安裝?

??????????cuDNN下載：鏈接，我這里選擇符合版本要求的v8.9.5，選擇Linux_x86_64(Tar)下載。

????????我這里選擇把下載好的文件放在/root路徑下，如下所示：?

?????????安裝： 首先解壓得到lib和include文件夾，然后將解壓后的文件夾分別復制到前面的cuda-11.6里面對應的lib64和include路徑下，指令如下所示：

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda11-archive.tar.xz
cd cudnn-linux-x86_64-8.9.5.30_cuda11-archive/ #進入解壓路徑
cp ./lib/* /usr/local/cuda-11.6/lib64          # 拷貝lib
cp ./include/* /usr/local/cuda-11.6/include    # 拷貝頭文件

????????驗證： 執行以下指令，顯示如下內容說明cuDNN安裝成功。

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

?4.CMake-3.30.0安裝

????????CMake下載：Download CMake，這里我選擇的是3.30.0版本進行下載，下載得到cmake-3.30.0.tar.gz壓縮包，然后找個路徑進行解壓，如下所示：

?????????安裝：

????????首先將cmake-3.30.0.tar.gz這個壓縮包放在/root路徑下，使用以下指令來解壓縮cmake包.

tar -zxvf cmake-3.30.0.tar.gz

????????然后進入解壓后的文件夾，進行編譯和安裝，其中make -j4中的-j4表示使用4個進程，可以提升生成的速度：?

cd cmake-3.30.0/
./bootstrap
make -j4
make install

????????問題： 我在執行./bootstrap遇到了Error:Could not find OpenSSL，如下所示：

????????解決： 那么需要安裝libssl-dev，然后重新再執行一遍./bootstrap指令，執行成功后是下面這樣子的.

sudo apt-get install libssl-dev

?????????驗證： 執行以下指令，查看Cmake版本及Cmake位置，沒有問題的話說明Cmake安裝成功了。?

cmake --version
which cmake

5.OpenCV-4.8安裝

????????OpenCV下載：Releases - OpenCV，這里我選擇一年前發布的OpenCV-4.8,點擊sources，下載得到opencv-4.8.0.zip壓縮包，然后找個路徑進行解壓，如下所示：

?????????安裝：

????????第一步：把opencv-4.8.0.zip這個壓縮包放在/root路徑下，使用unzip指令來解壓縮opencv包.

unzip opencv-4.8.0.zip

?????????第二步：進入opencv路徑，創建build文件，用來保存編譯的文件。

cd opencv-4.8.0/
mkdir build
cd build

?????????第三步：依次執行以下指令，使用CMake來配置、生成和安裝OpenCV，其中make生成這一步的時間稍微會長一點，大概15分鐘左右，可以在make后面加入-j4來加快生成，其中4指同時使用4個進程。?

cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_GENERATE_PKGCONFIG=YES ..
make -j4
make install

????????問題： 我在執行make -j4指令的時候，報錯fatal error: openjpeg.h: No such file or directory，那么需要安裝libopenjp2-7-dev。

????????解決： 如果你和我遇到了一樣的問題，那么安裝完之后為了保險起見，需要刪除build文件夾，重新配置生成，即重新執行第二步和第三步的指令。

apt-get install libopenjp2-7-dev

????????驗證：

????????安裝完OpenCV后需要知道OpenCV的bin、lib及include文件放在哪個路徑下：

????????其中include頭文件放在路徑下：/usr/local/include/opencv4/opencv2；bin文件放在路徑下：/usr/local/bin；lib文件放在路徑下：/usr/local/lib.

????????下面來驗證OpenCV是否安裝成功，由于我們不是在ubuntu主機上操作，而是相當于鏈接一個遠程主機，所以使用imshow報錯是很正常的，如下所示，但是我們不需要imshow函數，只需要用到opencv來處理圖片，所以我需要修改一下樣例的代碼。?

????????首先時進入到一開始解壓縮的文件夾中，并使用vim來編輯一下代碼，只需要把imshow修改為imwrite,并且注釋掉waitKey(0)代碼即可，如下所示。?

cd /root/opencv-4.8.0/samples/cpp/example_cmake
vim  example.cpp

????????然后再執行以下指令編譯和生成可執行文件，如下所示.

cmake -S . -B build
cmake --build build

????????最后運行可執行文件，發現在當前路徑下會生成一個Sample.jpg的圖片，顯示如下則說明安裝成功了(查看圖片可以直接通過\wsl.localhost\Ubuntu-2004\root\opencv-4.8.0\samples\cpp\example_cmake路徑，在window上直接查看)：?

./build/opencv_example

6.TensorRT-8.5安裝

????????TensorRT下載:NVIDIA TensorRT 8.x Download | NVIDIA Developer,EA 版本代表搶先體驗，而GA 代表通用性，表示穩定版，所以我們還是下載TensorRT8.5GA穩定版的，

????????安裝：

????????第一步：把TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6.tar.gz這個壓縮包放在/root路徑下，解壓縮TensorRT包.

 tar -zxvf TensorRT-8.5.1.7.Linux.x86_64-gnu.cuda-11.8.cudnn8.6.tar.gz

????????第二步：將TensorRT/lib的絕對路徑添加到在home/.bashrc環境變量文件中.

????????首先使用以下指令打開.bashrc.

vim ~/.bashrc

????????然后添加以下代碼到文件中，如下所示:?

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/root/TensorRT-8.5.1.7/lib

????????最后使用以下指令更新一下：?

source ~/.bashrc

????????驗證：

????????第一步：進入到/root/TensorRT-8.5.1.7/samples/sampleOnnxMNIST路徑下.

cd /root/TensorRT-8.5.1.7/samples/sampleOnnxMNIST

????????第二步：編譯并執行可執行文件,如下所示即安裝成功。?

make
../../targets/x86_64-linux-gnu/bin/sample_onnx_mnist