windows11 安装WSL2详细过程

# 一、什么是 WSL 2 时间来到 2017 年，事情正在起变化。微软正式发布了「适用于 Linux 的 Windows 子系统」，即人们熟知的 Windows Subsystem for Linux，简称 WSL。 在 2019 年，微软又基于 Hyper-V 架构的部分功能，推出了全新的 WSL 2。它能够在一个高度优化的虚拟化中运行完整的 Linux 内核。 ## WSL 2 的系统要求 WSL 2 使用了 Hyper-V 架构的一部分功能，但对 Windows 11 的版本并没有限制。家庭版、教育版、专业版和企业版都可以安装。 除了x86\_64架构外，WSL 2 也支持ARM处理器。但要在基于 ARM 的设备上运行，所使用的 Linux 系统也必须是 ARM 版本。 如果你使用的虚拟机软件支持嵌套虚拟化，WSL 2 也可以在虚拟机中的 Windows 上运行。 ## 为什么要安装WSL 2 AI大模型本地运行是需要显卡的，如果你需要对AI模型进行微调，必须是Linux系统，Windows系统是不行的。 为什么？因为微调涉及到的一些组件，Windows无法运行，只能是Linux系统才行。 虽然window有运行AI大模型的软件，比如大家熟悉的‌Ollama，LM Studio。这些只是能运行大模型而已，想要微调是不可能的。 我尝试安装过VirtualBox、VMware Workstation。使用这些虚拟化软件安装ubuntu系统，但是加载英伟达显卡有问题，不是很理想。 经过几天的尝试，在Windows系统中，想要通过ubuntu系统加载英伟达显卡，最好的方案就是WSL 2，能完美加载英伟达显卡。 **注意：window11家庭版也是可以运行WSL 2，网上说什么必须要升级到专业版，都是扯淡的。** 一般我们购买的游戏笔记本电脑，默认都是Windows11家庭版，没必要升级到专业版，还得购买激活码，太麻烦了。 # 二、安装 WSL 2 ## 启用 WSL 和虚拟机平台功能 打开cmd窗口，运行以下2个命令 ```csharp dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart ``` **注意：运行过程比较漫长，大概15分钟左右，请耐心等待。** 运行完成后，效果如下： ```csharp PS C:\WINDOWS\system32> dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart 部署映像服务和管理工具 版本: 10.0.26100.1150 映像版本: 10.0.26100.3775 启用一个或多个功能 [==========================100.0%==========================] 操作成功完成。 PS C:\WINDOWS\system32> dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart 部署映像服务和管理工具 版本: 10.0.26100.1150 映像版本: 10.0.26100.3775 启用一个或多个功能 [==========================100.0%==========================] 操作成功完成。 ``` **提示操作成功之后，必须要重启电脑。** ## 更新wsl 自带的wsl更新命令，会非常慢。为了加快速度，直接从github里面下载最新版本。 https://github.com/microsoft/WSL/releases 使用迅雷下载   下载完成后，直接双击安装，下一步，下一步即可。 ## 设置版本 以管理员身份打开Powershell，输入命令 ```csharp wsl --set-default-version 2 ``` # 三、WSL2运行ubuntu系统 使用自带的命令在线安装ubuntu系统，会特别的慢。 这里直接下载ubuntu镜像文件 https://learn.microsoft.com/en-us/windows/wsl/install-manual#downloading-distributions 下载最新版本24.04，开启迅雷下载，速度飞快。  下载完成后，会得到文件Ubuntu2404-240425.AppxBundle 将文件名，重命名为Ubuntu2404-240425.zip，不用担心文件会损坏，改成zip就是为了方便解压而已。 解压之后，得到文件夹Ubuntu2404-240425 进入文件夹，找到文件Ubuntu\_2404.0.5.0\_x64.appx，重命名为：Ubuntu\_2404.0.5.0\_x64.zip，然后解压。 得到文件夹Ubuntu\_2404.0.5.0\_x64 将文件夹复制到D盘，因为你的C盘空间，可能会不太够，只要是一个空间比较的大磁盘即可。 进入文件夹D:\Ubuntu\_2404.0.5.0\_x64，你会看到一个ubuntu2404.exe，直接双击即可   运行之后，会提示输入用户名和密码  **注意：这里的用户，就是管理员，使用你的名字中文拼音或者英文名都行，密码随意。**当然，和root用户，不是一个级别的。 登录成功之后，使用以下命令，切换到root用户 ```csharp $ sudo su root [sudo] password for xiao: root@DESKTOP-1SGUH22:/home/xiao# whoami root root@DESKTOP-1SGUH22:/home/xiao# ``` 安装组件net-tools，openssh-server ```csharp apt-get install -y net-tools openssh-server ``` 查看ip地址 ```csharp # ifconfig eth0: flags=4163 mtu 1500 inet 172.28.255.140 netmask 255.255.240.0 broadcast 172.28.255.255 inet6 fe80::215:5dff:fe47:b74c prefixlen 64 scopeid 0x20 ether 00:15:5d:47:b7:4c txqueuelen 1000 (Ethernet) RX packets 2712288 bytes 4101955783 (4.1 GB) RX errors 0 dropped 0 overruns 0 frame 0 TX packets 275004 bytes 21708764 (21.7 MB) TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0 ``` 注意：这个ip，Windows11是可以直接通讯的。所以你使用xshell客户端，也是可以连接的。 # 四、安装英伟达显卡驱动 我的游戏本，英伟达显卡型号是，NVIDIA GeForce RTX 5080 Laptop GPU，显存有16GB 内存有64GB，已经顶级配置了，因为主板最大只能支持64GB 固态硬盘2TB，也接近顶级了，因为主板只有2个硬盘插槽。 cpu是Intel Core i9 14900HX，是英特尔移动端性能比较高的cpu。 ## CUDA Toolkit CUDA Toolkit 是NVIDIA 提供的一套开发工具，它包含了用于开发CUDA 应用程序所需的各种工具，如编译器、调试器和库。 因此，CUDA 和CUDA Toolkit 是有关系的，CUDA 是并行计算平台和编程模型，而CUDA Toolkit 是一套开发工具。 如果你想在 WSL 中使用 CUDA Toolkit，可以按照以下步骤进行安装： 1. 在 NVIDIA 官网找到与你的显卡和驱动程序兼容的 CUDA Toolkit 版本。 ### 查看显卡算力 https://developer.nvidia.com/cuda-gpus  我的显卡是5080，对应的显卡算力是12.0 ### 算力对应的cuda版本 https://docs.nvidia.com/datacenter/tesla/drivers/index.html#cuda-arch-matrix  我的显卡算力是12，大于9，所以可以安装CUDA 11.8 CUDA 12.0，都可以。 **注意：只能高，不能低。** 2. 在 WSL 的 Ubuntu 终端中安装 CUDA Toolkit。例如，安装 CUDA Toolkit 12.8： ```csharp 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/12.8.0/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_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 ``` 3. 将 CUDA 工具链添加到环境变量中： ```csharp echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 4. 验证 CUDA Toolkit 运行以下命令验证 CUDA Toolkit 是否安装成功： ```csharp # nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2025 NVIDIA Corporation Built on Wed_Jan_15_19:20:09_PST_2025 Cuda compilation tools, release 12.8, V12.8.61 Build cuda_12.8.r12.8/compiler.35404655_0 ``` ## NVIDIA 驱动程序 在 WSL 的 Ubuntu 终端中运行以下命令，安装与你的显卡兼容的 NVIDIA 驱动程序。例如，安装最新的驱动程序版本： ```csharp sudo apt install nvidia-utils-570-server ``` 安装完成后，运行以下命令验证 NVIDIA 驱动程序是否正确安装： ```csharp nvidia-smi ``` 效果如下： ```csharp # nvidia-smi Wed May 7 15:19:11 2025 +-----------------------------------------------------------------------------------------+ | NVIDIA-SMI 570.133.20 Driver Version: 576.28 CUDA Version: 12.9 | |-----------------------------------------+------------------------+----------------------+ | GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |=========================================+========================+======================| | 0 NVIDIA GeForce RTX 5080 ... On | 00000000:01:00.0 On | N/A | | N/A 45C P5 28W / 100W | 1870MiB / 16303MiB | 5% Default | | | | N/A | +-----------------------------------------+------------------------+----------------------+ +-----------------------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=========================================================================================| | No running processes found | +-----------------------------------------------------------------------------------------+ ``` 可以看到显卡NVIDIA GeForce RTX 5080，显存为16303MiB，也就是16GB # 五、WSL文件管理 Ubuntu运行成功之后，可以看到一个小企鹅图标，点击进去   这里可以看到Linux文件  **注意：某些目录是不允许访问的。** 如果你需要上传文件，可以上传到tmp目录，是可以的。 你也可以通过xftp工具进行上传也没问题。 进入本地目录，D:\Ubuntu\_2404.0.5.0\_x64，可以看到文件ext4.vhdx  上面展示的Linux文件系统的文件，都在这个硬盘文件里面，目前有18.6GB。 之后产生的所有文件，都在这里。 # 六、Anaconda安装 Anaconda是一个开源的Python发行版本，专注于数据科学、机器学习和大数据处理，集成了conda包管理器、Python解释器及180多个预装科学计算库（如NumPy、Pandas），提供跨平台的环境隔离与管理功能。 其实说白了，就是方便创建python虚拟环境。因为ubuntu24.04系统，默认就有一个python环境，但是这套系统，可能要运行多个python项目，比如：api server，定时脚本，AI大模型等等。每个项目需要的组件是不一样的，一般都会为每一个项目，创建单独的虚拟环境，进行运行。 1. 下载 Anaconda 安装脚本： 打开终端并输入以下命令下载最新版本的 Anaconda 安装脚本： ```csharp cd /tmp wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh ``` 2. 运行安装脚本： 使用 bash 命令运行下载的安装脚本： ```csharp bash Anaconda3-2024.10-1-Linux-x86_64.sh ``` 在安装过程中，按提示操作，查看并同意许可协议，选择安装位置，一路yes完，选择默认配置即可，等待安装完成。 3. 初始化 Conda： 安装完成后，运行以下命令初始化 Conda： ```csharp source ~/.bashrc ``` 4. 验证安装： 运行以下命令验证 Conda 是否安装成功： ```csharp conda --version ``` # 七、PyTorch安装 在进行 AI 模型微调过程中，只需要安装 CUDA Toolkit 即可满足基本需求。 在实际操作中，还需要确保安装的 CUDA Toolkit 版本与所使用的深度学习框架（如 TensorFlow、PyTorch 等）以及 GPU 驱动版本相互兼容。 例如，**PyTorch 版本与 CUDA 版本必须要对应，否则无法正常使用 GPU 加速功能** ## 安装命令 打开pytorch网页 https://pytorch.org/get-started/locally/  说明： pytorch安装，python版本不能低于3.9 pytorch build，这里选择最新版本 your os，选择Linux Package，选择pip安装 Language，开发语言，选择Python compute platform，这里选择CUDA 12.8，因为在上面的步骤中，我安装的版本就是CUDA Toolkit 12.8 run this command，这里就会显示完整的安装命令，直接复制即可 ## 创建虚拟环境 使用conda创建虚拟python环境 默认ubuntu 24.04，python版本为3.12.7 ```csharp conda create --name my_unsloth_env python=3.12.7 ``` 激活虚拟环境 ```csharp conda activate my_unsloth_env ``` 安装pytorch ```csharp pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 ``` 在python中确认一下torch是否安装成功 ```csharp # python Python 3.12.7 | packaged by Anaconda, Inc. | (main, Oct 4 2024, 13:27:36) [GCC 11.2.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> print(torch.cuda.device_count()) 1 >>> print(torch.cuda.is_available()) True >>> print(torch.__version__) 2.7.0+cu128 >>> print(torch.version.cuda) 12.8 >>> exit() ``` **注意：确保torch.version.cuda输出的版本和CUDA Toolkit版本一致，就说明cuda和troch版本是匹配的。** AI大模型，需要的微调环境，基本上就安装完毕了。 主要涉及，CUDA Toolkit，NVIDIA 驱动程序，PyTorch **最后说明一下，WSL官方是不建议在生产环境中使用的，因为不稳定。** 当然，我在使用过程中，也确实遇到了卡死情况。卡死了，怎么办？直接把cmd窗口关闭即可。 想要再次启动，直接运行D:\Ubuntu\_2404.0.5.0\_x64里面的ubuntu2404.exe文件即可。 WSL可以本地运行ubuntu系统，方便我们学习AI模型微调。在真正的生产环境中，是用Ubuntu服务器，直接加载服务器级别的显卡进行运算的。 当然，显卡价格是贵的离谱，一般都是公司买单。几十万，上百万的都有。