Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Installation support for Windows / WSL users (CUDA, DGL, cu117 issues)

Abierto
#421 1 comentario 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
25/100
Tipo de issue
Documentación
Claridad
Bastante claro
Estado de actividad
Estancado
Stack tecnológico
docker, python, pytorch

Línea de trabajo

Start by reviewing the available installation guides and the dependency setup for CUDA, cuDNN, PyTorch cu117, and DGL under Ubuntu on WSL. Document tested version combinations, known Windows/WSL limitations, and workarounds; if a Docker image is pursued, its supported setup should be explicitly defined.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Hi,
I’ve been trying to install RFdiffusion on my Windows machine using WSL (Ubuntu), but I keep running into problems with dependencies — especially with CUDA, cuDNN, PyTorch (cu117), and DGL.

Even after following all available guides and trying different versions of these frameworks, installation either fails or the model won’t run properly due to GPU or CUDA compatibility issues.

It would be very helpful if the team (or community) could provide:

  1. A step-by-step guide for installation on Windows/WSL.

  2. Recommended CUDA and PyTorch versions that actually work under WSL.

  3. Any known limitations or workarounds for Windows users.

Since many researchers and developers use Windows as their main system, having an official installation guide or Docker image for WSL would make RFdiffusion much more accessible.

Thank you for your amazing work on this project — it’s an incredible tool, and I’d love to get it running locally!

Best regards,
Kamyar Entezari

Lenguaje dominante
Python
Estrellas
3.1k
Forks
652
Métricas de merge de PR
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de RosettaCommons/RFdiffusion

Todos los issues de RosettaCommons/RFdiffusion

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.