Windows WSL 环境配置
最后更新于
这有帮助吗？
最后更新于
这有帮助吗？
本教程由社区同学 @geoffreyfan 贡献~
1、Win10 系统一定要升级到最新版，否则是无法在 Linux 子系统里加载出显卡驱动的，那么就无法进行深度学习！
2、Linux 子系统不需要配置显卡。因为它是调用 Win10 系统下的显卡驱动进行深度学习的，这就意味着不需要在 Linux 子系统下载安装显卡驱动！
大家可能会有这样的疑问：不是安装 WSL2 的显卡驱动吗？为什么会装 Win10 系统上的显卡驱动？其实，官网文档上说明了，带有 WSL2 的官方 NVIDIA 驱动是整个过程唯一要装的 GPU 驱动！所以后面关于 Linux 上的 cuda toolkit 的配置就要求不勾选 Driver！
微软 Microsoft 官网下载：https://www.microsoft.com/zh-cn/software-download/windows10。
点击立即更新，会下载一个微软软件，按照提示更新即可，装完需要重启，网速快的话整个过程大约一个小时。（请确保您的网络能够正常访问）。
另一种方式更新 Win10 系统：
PS：查询系统版本方法：Win+R 输入 winver 回车：
下载驱动（下载GEFORCE的那个）：http://www.nvidia.com/Download/index.aspx
注意，该是安装 Win10 驱动，而不是安装 Linux 驱动，在 Win10 下安装驱动后，会自动将驱动以 libcuda.so 的形式集成至 WSL2 中，因此切勿在 WSL Linux 中重复安装驱动。
根据自己显卡的型号选择驱动，Notebooks 代表笔记本，我是台式电脑 3080 显卡，所以选择 GeForce RX 30 Series 下的 GeForce RX 3080。
在 Ubuntu-22.04.exe 程序中输入以下指令，验证驱动是否安装成功：
下载链接：https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
下载完点击安装即可，安装中不停地点击next就可以。
打开 powershell：
启动 WSL2 ，在 powershell 中输入下面指令：
启用“虚拟机平台”，在 powershell 中输入下面指令：
将 WSL2 设置为默认版本，在 powershell 中输入下面指令：
网站地址：https://www.microsoft.com/zh-cn/
搜索 ubuntu，选择 22.04 版本安装：
进入控制面板的 “程序和功能” 里边的设置，勾选 “ Hyper-V ” 和 “适用于 Linux 的 Windows 子系统” ：
下载完打开 Ubuntu-22.04 Linux 子系统：
在 PowerShell 中运行下面命令显示所有发行版的详细信息：
终止正在运行的 wsl：
将需要迁移的 Ubuntu-22.04 Linux 子系统，进行导出：
导出完成之后，就需要将原有的进行卸载：
注销完后：
然后将导出的文件放到需要保存的地方，进行导入即可：
如果后面想要重装 Ubuntu-22.04 Linux 子系统，删除之前的版本，在执行了 wsl --shutdown 指令后，直接删除 ext4.vhdx 文件即可。
在 cmd 里面输入下面指令，切换到根目录：
打开 Ubuntu-22.04.exe 程序，此时就进入根目录了，输入 passwd 用户名，并设置密码：
在 cmd 里面输入下面指令，切换到普通用户：
打开 Ubuntu-22.04.exe 程序，此时就进入普通用户界面了：
下载 WSL 远程连接 Ubuntu-22.04 Linux 子系统的插件：
快捷指令远程连接，用 VScode 打开 Ubuntu-22.04 Linux 子系统：
手动远程连接，用 VScode 打开 Ubuntu-22.04 Linux 子系统：
关闭远程连接， Powershell 输入下面指令（重装系统卸载 Ubuntu-22.04 Linux 子系统也需要先输入下面指令）：
点击打开 Ubuntu-22.04.exe 程序：
重新进行远程连接：
打开 Ubuntu-22.04 Linux 子系统里面的文件：open Folder , 点击 OK ：
Ubuntu-22.04 Linux 子系统里面的 /home/geoffreyfan (这里是你自己的用户名字) / 路径下的文档就被打开了:
可以通过拖拉 Win10 里面的文件，方便地上传文件到 Ubuntu-22.04 Linux 子系统的这个路径下面：
安装 Miconda 地址: https://docs.conda.io/en/latest/miniconda.html
浏览器下载下完后，拖入到 Ubuntu-22.04 Linux 子系统里面：
输入指令：bash Miniconda3-latest-Linux-x86_64.sh 安装：
安装过程中，刚开始要按回车键很多次（大概一直按住5秒这样），之后两三个地方会让你输入 yes/no ，全输入 yes 。有提示输入回车的，就按回车。
安装完成之后，在 .bashrc 文件中最后一行加上：PATH=/home/user/miniconda3/bin:$PATH ，并保存：
创建一个 project.py 文件，配置 miniconda 路径下的 python 解释器，并在终端执行该 python 文件，如果前面有 （base） 这个标志，那么说明 miniconda 配置成功：
用 miniconda 创建虚拟环境, 并激活该虚拟环境（根据自己的需求来，这里我们选择配置 3.9 版本的 python 环境）：
配置好虚拟环境后，我们配置 miniconda 下我们创建的虚拟环境下的解释器：
配置好后，我们在终端运行我们创建的python文件，会发现 （base） 标志变成了我们的虚拟环境的名称 （pytorch） :
如果用以下指令下载很慢：
直接手动去官网下载.whl文件，然后拖到 Ubuntu-22.04 Linux 子系统里面，官网地址：https://download.pytorch.org/whl/torch_stable.html
蓝色小横线消失了，就上传完了：
上传完之后，Ubuntu-22.04 Linux 子系统的 /home/geoffreyfan (这里是你自己的用户名字) / 路径下的文件中会有两个相应的安装包：
创建一个 project.py 文件，输入下面的代码，并配置之前我们创建的 miniconda 的虚拟环境的 python 的解释器：
在终端执行以下指令：
然后运行我们刚才创建的 project.py 文件：
注意：不要使用 sudo apt install nvidia-cuda-toolkit 进行配置，会默认配置一个低版本的 cuda toolkit 。
没有配置 cuda toolkit 之前：
去英伟达的官网：https://developer.nvidia.com/cuda-downloads
下载往期版本：
下载 cu111 版本（注意， Win10 系统上的显卡驱动的版本可以不用与这里的 cuda 版本一致，比如我下载的 Win10 系统上的显卡驱动版本为 12.1 ，显卡驱动是向下兼容的）：
进行选择，下方会出现相应的指令(可以勾选 “runfile(local)” ，操作步骤同理)：
打开 Ubuntu-22.04.exe ：输入下面指令：
小知识：在执行了 wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda-repo-wsl-ubuntu-11-1-local_11.1.0-1_amd64.deb 指令后，Ubuntu-22.04 Linux 子系统的 /home/geoffreyfan (这里是你自己的用户名字) / 路径下会出现相应的安装包，后面重新安装，直接执行 sudo dpkg -i cuda-repo-wsl-ubuntu-11-1-local_11.1.0-1_amd64.deb 就可以了，不用再反复下载安装包：
注意：在 sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-1-local/7fa2af80.pub 指令之后，安装的过程中不要勾选 Driver 否则会下载失败：
在 .bashrc 文件中添加下面两条代码指令，并保存：
安装完了后，输入下面指令进行验证：
nvcc 是 The main wrapper for the NVIDIA CUDA Compiler suite. Used to compile and link both host and gpu code. ( NVIDIA CUDA 编译器套件的主要包装器,用于编译和链接主机和 gpu 代码)。一般使用 nvcc -V 查看CUDA版本。
输入下面指令，查看 cuda toolkit 的 bin 目录下是否有 nvcc：
如果存在(如果不存在，请参考WSL2的cuda配置,进行重新配置)：
直接将 cuda toolkit 的路径加入系统路径（即将下面指令加入 .bashrc 文件）即可：
保存：
退出 Ubuntu-22.04.exe 程序，然后再开启，再次执行 nvcc -V 就可以看到相应 cuda 版本了：
解释说明：
Ubuntu-22.04 Linux 里面的 Cuda toolkit api 使用 nvcc -V 显示
Win10 系统里面的 Driver api， 使用 nvidia-smi 显示
如果报错的命令是 RuntimeError ，那就使用 nvcc -V 命令查看是否是版本不匹配。
gpu 重启以后，是默认关闭的，在 Ubuntu-22.04.exe 下执行：
将以下添加到 Ubuntu-22.04 Linux 子系统的 /home/geoffreyfan (这里是你自己的用户名字) / 路径下的 .bashrc 文件里面:
在终端运行 project.py 文件，前面有 (base) 这个标示符就表示成功了：
su 命令不能切换 root ，提示 su: Authentication failure，只要你 sudo passwd root 过一次之后，下次再 su 的时候只要输入密码就可以成功登录了。
系统卸载没有卸载干净，导致重新安装后出现该问题。
第一步，查询当前已安装的系统：
第二步，注销当前注册的系统：
第三步,重新启动 unbuntu 系统，系统会重新初始化，效果如下：
