🤖本期ai含量90%，实测能跑通
适用于：深度学习 / 大模型 / Python 开发 / CUDA 编程 目标：在 Windows 上搭建高性能 Linux AI 开发环境
目录
1. 为什么选择 WSL2
2. 前置检查
3. 安装 WSL2
4. 自定义安装位置（D盘）
5. 配置 CUDA 和 GPU 支持
6. 安装 AI 开发环境
7. 常见问题解决
8. VS Code 集成开发
一、为什么选择 WSL2
特性WSL2传统虚拟机双系统 性能接近原生有虚拟化损耗原生GPU 支持CUDA 直通配置复杂完美文件共享与 Windows 互通需配置分区隔离启动速度秒级分钟级需重启IDE 集成VS Code 完美支持一般需单独配置磁盘空间动态分配固定分配独立分区
结论：WSL2 是 Windows 上跑 AI 的最佳折中方案。
二、前置检查
1. 检查 Windows 版本
# 按 Win+R，输入 winver 查看
# 或 PowerShell 执行：
Get-ComputerInfo | Select OsName, WindowsVersion, OsBuildNumber要求：
• Windows 11：任意版本
• Windows 10：版本 2004+（Build 19041+）
2. 启用虚拟化（BIOS）
重启进入 BIOS，确保开启：
• Intel VT-x 或 AMD-V（虚拟化技术）
• Intel VT-d 或 AMD IOMMU（可选，GPU 直通用）
三、安装 WSL2
步骤 1：启用 WSL 功能
以管理员身份运行 PowerShell：
# 启用 WSL
Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux -NoRestart
# 启用虚拟机平台（WSL2 必需）
Enable-WindowsOptionalFeature -Online -FeatureName VirtualMachinePlatform -NoRestart
# 重启电脑
Restart-Computer如果提示 RestartNeeded : True，必须重启才能继续。
步骤 2：设置 WSL2 为默认版本
# 重启后，以管理员运行
wsl --set-default-version 2
# 验证版本
wsl --version步骤 3：安装 Linux 发行版
方式 A：在线安装（需要网络）
# 查看可用发行版
wsl --list --online
# 安装 Ubuntu 22.04
wsl --install -d Ubuntu-22.04方式 B：本地镜像安装（推荐，适合网络不好）
下载镜像：
• Ubuntu 22.04 LTS：https://cloud-images.ubuntu.com/wsl/jammy/current/ubuntu-jammy-wsl-amd64-wsl.rootfs.tar.gz
• Ubuntu 24.04 LTS：https://cloud-images.ubuntu.com/wsl/noble/current/ubuntu-noble-wsl-amd64-wsl.rootfs.tar.gz
导入镜像：
# 创建安装目录
mkdir D:\WSL\Ubuntu -Force
# 导入（3个参数：名称、安装目录、镜像路径）
wsl --import Ubuntu D:\WSL\Ubuntu D:\Downloads\ubuntu-jammy-wsl-amd64-wsl.rootfs.tar.gz --version 2
# 验证
wsl --list --verbose设置普通用户（重要！默认是 root）：
# 进入 WSL
wsl -d Ubuntu
# 在 WSL 内创建用户
adduser yourname
usermod -aG sudo yourname
exit
# 设置默认用户
Ubuntu config --default-user yourname四、自定义安装位置（D盘）
迁移已有系统到 D 盘
# 1. 关闭 WSL
wsl --shutdown
# 2. 导出系统
wsl --export Ubuntu D:\WSL\Backup\ubuntu.tar
# 3. 注销原系统（删除 C 盘数据！）
wsl --unregister Ubuntu
# 4. 导入到 D 盘
wsl --import Ubuntu D:\WSL\Ubuntu D:\WSL\Backup\ubuntu.tar --version 2
# 5. 设置默认用户
Ubuntu config --default-user yourname
# 6. 删除备份（可选）
Remove-Item D:\WSL\Backup\ubuntu.tar限制 WSL 内存占用
创建配置文件 C:\Users\<用户名>\.wslconfig：
[wsl2]
memory=16GB # 限制最大内存
processors=8 # 限制 CPU 核心数
swap=8GB # 设置交换文件
localhostForwarding=true然后执行：
wsl --shutdown
wsl # 重启生效五、配置 CUDA 和 GPU 支持
1. 在 Windows 安装 NVIDIA 驱动
下载并安装最新驱动：https://www.nvidia.cn/drivers/
2. 在 WSL 安装 CUDA Toolkit
# 进入 WSL
wsl
# 更新系统
sudo apt update && sudo apt upgrade -y
# 安装 CUDA（以 CUDA 12.1 为例）
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/12.1.0/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda
# 配置环境变量
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc3. 验证 GPU 可用
# 查看 NVIDIA 显卡
nvidia-smi
# Python 验证
python3 -c "import torch; print(torch.cuda.is_available())"六、安装 AI 开发环境
1. 基础工具
sudo apt update
sudo apt install -y build-essential git curl wget vim zip unzip2. 安装 Miniconda（推荐）
# 下载
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 安装
bash Miniconda3-latest-Linux-x86_64.sh
# 初始化
source ~/.bashrc3. 创建 AI 开发环境
# 创建 Python 3.10 环境
conda create -n ai python=3.10 -y
conda activate ai
# 安装 PyTorch（带 CUDA）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# 安装常用库
pip install transformers datasets accelerate numpy pandas matplotlib jupyterlab4. 验证环境
# test_gpu.py
import torch
print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 可用: {torch.cuda.is_available()}")
print(f"CUDA 版本: {torch.version.cuda}")
print(f"GPU 数量: {torch.cuda.device_count()}")
print(f"GPU 名称: {torch.cuda.get_device_name(0)}")
# 测试简单计算
x = torch.rand(1000, 1000).cuda()
print(f"GPU 计算测试: {x.sum().item()}")运行：
python test_gpu.py七、常见问题解决
问题 1：无法解析服务器名称（网络错误）
现象：
无法从 https://raw.githubusercontent.com/... 提取列表分发
错误代码: Wsl/InstallDistro/WININET_E_NAME_NOT_RESOLVED解决：使用本地镜像安装（见步骤 3 方式 B）
问题 2：0x800f080c 功能名称未知
现象：
错误: 0x800f080c
功能名称 Microsoft-Windows-Subsystem-For-Linux 未知解决：使用 PowerShell 命令而非 DISM：
Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux -NoRestart问题 3：WSL2 内核更新失败
解决：
1. 手动下载：https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
2. 安装后重新设置默认版本
问题 4：C 盘空间不足
解决：迁移到 D 盘（见第四章）
问题 5：GPU 在 WSL 中不可用
检查清单：
1. Windows 已安装 NVIDIA 驱动
2. 驱动版本 >= 465.21
3. WSL2 版本 >= 2.0
4. 在 WSL 内运行 nvidia-smi 有输出
八、VS Code 集成开发
1. 安装插件
在 VS Code 中安装：
• WSL（Microsoft 官方）
• Python
• Jupyter
2. 连接 WSL
# 在 WSL 中安装 code 命令
wsl
code .或在 VS Code 左下角点击 >< 图标，选择 Connect to WSL。
3. 配置 Python 解释器
1. Ctrl+Shift+P → Python: Select Interpreter
2. 选择 /home/yourname/miniconda3/envs/ai/bin/python
4. 使用 Jupyter
# 在 WSL 中启动 Jupyter
jupyter lab --no-browser --port=8888在 VS Code 中直接打开 .ipynb 文件即可。
附录：常用命令速查
命令说明 wsl --list --verbose查看已安装发行版wsl --shutdown关闭所有 WSLwsl --terminate Ubuntu关闭指定发行版wsl --export Ubuntu D:\backup.tar导出系统wsl --import Ubuntu D:\WSL\Ubuntu D:\backup.tar --version 2导入系统wsl --unregister Ubuntu删除发行版wsl --update更新 WSL 内核
总结
1. WSL2 是 Windows 跑 AI 的最佳选择
2. 本地镜像安装 可绕过网络问题
3. D 盘安装 节省 C 盘空间
4. CUDA 直通 让 GPU 性能无损
5. VS Code + WSL 提供流畅开发体验
现在你可以开始在 Windows 上愉快地进行 AI 开发了！🚀
