在Windows11上设置支持CUDA的Linux系统的终极指南

带有Bash shell的Linux操作系统为程序员提供了一个熟悉且高度可控的工作流程。然而，我们总是需要Windows系统为我们的日常工作和娱乐活动提供其他常用软件。为了在Linux/Bash界面和Windows界面之间无缝转移，我们在这篇文章中提供了两种选择。

这是一个实用指南。因此，我会解释每条命令，以便深入理解，并指出注意事项（我假设读者是熟悉常见bash命令的合格程序员）。此外，由于代码片段被嵌入到这篇文章中，所以这些变化将反映在这篇文章中，以确保每次我更新原始代码片段时，它不会过时。

同样，这是一个实用指南。我会在开始时列出每个解决方案的优点和缺点，这样你就可以选择适合你情况的方案，然后去那个部分。我只列出每个解决方案的优点，因为一个解决方案的优点会变成另一个解决方案的缺点。对于第二个解决方案，虽然有许多云计算供应商提供虚拟机，但我发现Azure大多与Windows上的一些常见微软软件兼容。例如，你可以通过扩展和高速网络获得VS代码的几乎原生体验。

WSL2

提供完全原生的体验（就我的经验而言）
可以在没有互联网的情况下脱机使用
没有网络延迟

Azure虚拟机

可以启用多个GPU
提供一个完整的Python环境，甚至是常见的数据科学库和机器学习框架。

用于Linux的Windows子系统

微软现在使用Windows Subsystem for Linux（WSL）。更令人惊讶的是深度学习从业者，WSL2现在支持带有CUDA的Nvidia GPU，因为现在底层的Linux内核是基于微软Hyper-V的。

然而，如果你只遵循微软和Nvidia的官方指南，会有一些注意事项。因此，本文提供了一个非常简明的指南来避免这些注意事项。

使用中的另一个注意事项

在WSL中，僵尸进程可能不会被杀死。因此，当你开始使用CUDA时，例如训练神经网络，在使用CUDA之前要确保代码是可以运行的。否则，你的显卡将无法使用。这个问题还没有得到解决。你可以关注并查看讨论情况。无法在WSL或任务管理器中杀死进程 - 问题#1021 - microsoft/WSL（github.com）。

另一个解决方案。在Windows上使用Azure Linux虚拟机

该脚本执行自动创建和设置数据科学虚拟机的操作。我还阐述了每个命令的细节。所以，一旦你使用它，请阅读它。

(可选）在Linux上设置Python环境

如果你使用Azure DSVM，这个片段是不必要的，但如果你使用WSL2，你需要自己设置环境，那么这个片段会很有帮助。