【WSL2】PyTorch 導入ガイド：GPU（CUDA）を認識させる最短ルートと動作確認

はじめに

WSL2 に CUDA Toolkit を導入できたら、次はディープラーニングの定番フレームワーク PyTorch をインストールしましょう。 WSL2 環境では、通常の Linux インストールと同じ手順で進められますが、「CUDA バージョンに合ったバイナリを指定する」 ことが、GPU を正しく認識させるためのポイントです。

WSLにcudaを認識させる方法→ WSL2 CUDA 構成方法【2026年版】

手順 1：PyTorch のインストール

PyTorch 公式サイトのコマンド生成ツールを使い、自分の環境に最適なコマンドを発行します。

1. PyTorch 公式サイト (pytorch.org) にアクセスします。
2. 以下の項目を選択します。
   • Build: Stable (最新版)
   • OS: Linux
   • Package: Pip (または Conda)
   • Language: Python
   • Compute Platform: CUDA 12.x / 13.x (導入した nvcc -V のバージョンに合わせる)
3. 表示されたコマンドを WSL のターミナルで実行します。

実行コマンド例 (2026年最新構成の場合):

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130

※ --index-url を指定することで、CPU 版ではなく CUDA 版を確実にインストールします。

画像 : cuda install page　一番下に実行コマンドが表示されるのでコピペで導入できます。

手順 2：Python インタプリタでの起動確認

インストールが完了したら、実際に Python から GPU が見えるかテストします。

1. ターミナルで python3 を起動します。
2. 以下のコードを一行ずつ入力してください。

import torch

# 1. CUDAが利用可能か確認 (Trueなら成功)
print(torch.cuda.is_available())

# 2. 認識しているGPU名を表示
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))
else:
    print("GPUが認識されていません")

# 3. 実際にテンソルを作成してGPUに送ってみる
x = torch.ones(3, 3).to("cuda")
print(x)

成功時の出力イメージ:

True
NVIDIA GeForce RTX 4090
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], device='cuda:0')

device='cuda:0' と表示されれば、演算が正常に GPU 上で行われています！

まとめと次の一歩

これで WSL2 上で PyTorch + GPU の環境が整いました。 次は、適当な深層学習モデルをgithubからとってきて動かしてみたり、nvitop あるいはnvidia-smiで GPU 負荷をリアルタイム監視したりするのがおすすめです！