WSL子系统配置

一. 安装Ubuntu系统

以下命令针对"Windows 11系统"，请使用"PowerShell"输入。

1. 查看WSL版本，确保是WSL2.x版本 (Windows 11已默认安装)

wsl --version

2. 查看可用Linux分发版的列表，根据返回信息进行后续安装 (可能需要科学上网)

wsl --list --online

可安装的有效分发的列表示例 (2025.09.12)

NAME	FRIENDLY NAME
AlmaLinux-8	AlmaLinux OS 8
AlmaLinux-9	AlmaLinux OS 9
AlmaLinux-Kitten-10	AlmaLinux OS Kitten 10
AlmaLinux-10	AlmaLinux OS 10
Debian	Debian GNU/Linux
FedoraLinux-42	Fedora Linux 42
SUSE-Linux-Enterprise-15-SP6	SUSE Linux Enterprise 15 SP6
SUSE-Linux-Enterprise-15-SP7	SUSE Linux Enterprise 15 SP7
Ubuntu-24.04	Ubuntu 24.04 LTS
archlinux	Arch Linux
kali-linux	Kali Linux Rolling
openSUSE-Tumbleweed	openSUSE Tumbleweed
openSUSE-Leap-15.6	openSUSE Leap 15.6
Ubuntu-20.04	Ubuntu 20.04 LTS
Ubuntu-22.04	Ubuntu 22.04 LTS
OracleLinux_7_9	Oracle Linux 7.9
OracleLinux_8_10	Oracle Linux 8.10
OracleLinux_9_5	Oracle Linux 9.5

3. 安装Linux系统，其默认路径为"C:\Users\Your Name\AppData\Local\WSL"

wsl --install -d Ubuntu-24.04 # 此处填写分发版列表的"Name"

4. 备份系统 (若不打算迁移至其他盘，可跳过4-6步)

# 此处备份至D:\WSL\目录下，请提前创建文件夹
wsl --export Ubuntu-24.04 D:\WSL\Ubuntu-24.04.tar

5. 注销系统

# 此处注销刚刚在C盘安装的系统
wsl --unregister Ubuntu-24.04

6. 恢复系统

# 恢复后系统将在"D:\WSL"下
wsl --import Ubuntu-24.04 D:\WSL\Ubuntu_2404 D:\WSL\Ubuntu-24.04.tar

7. 查看已安装的系统

wsl -l -v

8. 若安装多个系统，可更改默认系统

wsl --set-default Ubuntu-24.04

二. 配置深度学习环境

待增加细节

1. 检查系统最大支持的CUDA版本

2. 安装cudatoolkit: 以CUDA 12.8为例：在网页选择Linux/x86_64/WSL-Ubuntu/2.0/deb(local)生成如下命令

# 请依次执行
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/12.8.1/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-8

设置环境变量：

# 进入文件
sudo vim ~/.bashrc

# 添加内容
export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

# 刷新文件
source ~/.bashrc

验证安装：

nvcc -V

3. 安装cudnn

# 解压文件
sudo tar -xvf cudnn...(Tab补全)

# 切换目录
cd ./cudnn-linux-x86_64-8.9.7.29_cuda12-archive

# 复制文件
sudo cp -r ./include/* /usr/local/cuda-12.8/targets/x86_64-linux/include/
sudo cp -r ./lib/* /usr/local/cuda-12.8/targets/x86_64-linux/lib/

# 文件权限
sudo chmod a+r /usr/local/cuda-12.8/targets/x86_64-linux/include/cudnn*
sudo chmod a+r /usr/local/cuda-12.8/targets/x86_64-linux/lib/libcudnn*

# 验证安装
cat /usr/local/cuda-12.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

4. 安装Anaconda

# 下载
sudo wget https://repo.anaconda.com/archive/Anaconda3-2025.06-0-Linux-x86_64.sh

# 安装
sh Anaconda3-2025.06-0-Linux-x86_64.sh

# 若忘记配置环境变量
export PATH="/home/kx/anaconda3/bin:$PATH"

# 注意!!!
# 在Ubuntu中使用conda activate dl激活虚拟环境, 确保盘符变化

5. 虚拟环境相关

# 创建虚拟环境
conda create -n dl python=3.10 

# 激活虚拟环境
conda activate dl

# 更新pip
python -m pip install --upgrade pip

# 添加jupyter notebook内核
conda install ipykernel
python -m ipykernel install --user --name dl

# 安装Pytorch(见https://pytorch.org/get-started/locally/)
pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple