Skip to content

SETUP_WSL_GPU_INSTRUCTIONS.md

Latest commit

 

History

History
122 lines (91 loc) · 2.31 KB

SETUP_WSL_GPU_INSTRUCTIONS.md

File metadata and controls

122 lines (91 loc) · 2.31 KB

WSL2 GPU 訓練設置指南

方法 1：自動化腳本（推薦）

步驟：

  1. 打開 WSL Ubuntu 終端

    • 按 Win + R，輸入 wsl -d Ubuntu，按 Enter
    • 或從開始菜單搜索 "Ubuntu"

  2. 運行設置腳本

    cd /mnt/c/Users/thc1006/Desktop/NASA/model
chmod +x setup_wsl_gpu.sh
./setup_wsl_gpu.sh

  3. 啟動訓練（設置完成後）

    source wsl_venv/bin/activate
python3 -u scripts/train_all_models_kaggle.py > training_log_wsl.txt 2>&1 &
tail -f training_log_wsl.txt

方法 2：手動逐步設置

1. 打開 WSL Ubuntu 終端

wsl -d Ubuntu

2. 安裝必要套件

sudo apt update
sudo apt install -y python3.12-venv python3-pip

3. 切換到項目目錄

cd /mnt/c/Users/thc1006/Desktop/NASA/model

4. 創建虛擬環境

python3 -m venv wsl_venv
source wsl_venv/bin/activate

5. 安裝依賴

pip install --upgrade pip
pip install tensorflow pandas scikit-learn xgboost imbalanced-learn reportlab seaborn matplotlib

6. 驗證 GPU

python3 -c "import tensorflow as tf; print('GPU:', tf.config.list_physical_devices('GPU'))"

應該看到：

GPU: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

7. 啟動訓練

python3 -u scripts/train_all_models_kaggle.py > training_log_wsl.txt 2>&1 &

8. 監控進度

tail -f training_log_wsl.txt

按 Ctrl+C 停止監控（訓練會繼續在背景運行）

預期訓練時間

  • GPU (RTX 3050): ~5-10 分鐘
  • CPU: ~25-30 分鐘

疑難排解

問題：GPU 未偵測到

# 檢查 NVIDIA 驅動
nvidia-smi

# 重新安裝 TensorFlow
pip install --upgrade --force-reinstall tensorflow

問題：虛擬環境創建失敗

# 安裝完整 Python 環境
sudo apt install -y python3-full python3-venv

訓練完成後

查看結果：

ls -lh reports/kaggle_comparison/
cat reports/kaggle_comparison/kaggle_comparison_results.json

檔案位置：

  • JSON 結果: reports/kaggle_comparison/kaggle_comparison_results.json
  • 比較圖表: reports/kaggle_comparison/figures/*.png
  • PDF 報告: reports/kaggle_comparison/KAGGLE_MODEL_COMPARISON_REPORT.pdf

生成時間: 2025-10-05