安装 WSL 2
win+R打开cmd窗口，运行下面2个命令
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
| 功能名 | 用途 |
|---|---|
| Microsoft-Windows-Subsystem-Linux | 提供 WSL 基础运行能力（WSL1 必须，WSL2 也依赖） |
| VirtualMachinePlatform | 提供 WSL2 虚拟机支持（必须启用） |
提示操作成功后，重启电脑。
更新WSL2
从GitHub上下载最新的版本，github.com/microsoft/W…
下载完成后，双击安装即可。
然后以管理员身份打开Powershell，输入以下命令设置版本
wsl --set-default-version 2
下载ubuntu系统
打开Microsoft，搜索WSL下载想要的Ubuntu版本
防止c盘内存不够，将wsl文件位置从c盘迁移至d盘（默认在c盘，可以在文件管理器中输入
%LOCALAPPDATA%\Packages，搜索ubuntu找到）
-
在cmd中查看版本号：
wsl -l -
在d盘新建一个文件夹，比如：D:\WSLUbuntu 执行如下命令迁移文件，注意wsl-l的版本号自行修改，
wsl --export Ubuntu-22.04 d://UbuntuWSL//ubuntu-22.04.tar wsl --unregister Ubuntu-22.04 wsl --import Ubuntu-22.04 d://UbuntuWSL d://UbuntuWSL//ubuntu-22.04.tar -
在cmd中验证版本：
wsl -l -v
还可使用镜像网站下载Ubuntu到D盘。
配置CUDA
查看自己电脑的驱动版本，再下载适配的CUDA版本。
下载安装
- 检查当前驱动支持的 CUDA 最大版本，在
nvidia-smi输出里，有一行：CUDA Version: 12.4这里显示的是驱动支持的 CUDA runtime 最高版本 - CUDA Toolkit官网：developer.nvidia.com/cuda-toolki…
按照官方的步骤一步步安装即可
配置环境变量
输入以下命令打开文件
sudo nano ~/.bashrc
在末尾加上以下内容（注意版本）
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
按Ctrl+x退出，输入y保存，回车。 更新环境变量让修改立即生效
source ~/.bashrc
验证是否生效
nvcc -V
输出版本号就配置成功了
安装cudnn
cudnn作用
cuDNN 主要提供深度学习常用的 GPU 操作和优化算法，比如：
| 功能 | 说明 |
|---|---|
| 卷积（Convolution） | 卷积神经网络的核心运算，cuDNN 有高效的 GPU 实现 |
| 池化（Pooling） | Max Pooling / Average Pooling 等 |
| 激活函数（Activation） | ReLU、Sigmoid、Tanh 等 GPU 版本 |
| 归一化（Normalization） | BatchNorm、LayerNorm 等 |
| RNN / LSTM / GRU | 高效的循环神经网络计算 |
| 张量操作（Tensor Ops） | 高维矩阵乘法、加法、广播等 |
下载安装
官网下载：developer.nvidia.com/rdp/cudnn-a…
把下载的压缩包放在home目录
输入以下命令解压（注意自己的文件名）：
tar -xJvf cudnn-linux-x86_64-8.9.5.30_cuda11-archive.tar.xz
解压后的文件夹中有两个文件夹，分别复制到自己的cuda文件夹中，并更改读写权限（注意自己的文件名和cuda文件夹）：
# 复制头文件
sudo cp cudnn-linux-x86_64-8.9.5.30_cuda11-archive/include/cudnn*.h /usr/local/cuda-11.8/include/
# 复制动态库和静态库
sudo cp cudnn-linux-x86_64-8.9.5.30_cuda11-archive/lib64/libcudnn* /usr/local/cuda-11.8/lib64/
# 设置权限
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*.h /usr/local/cuda-11.8/lib64/libcudnn*
环境变量配置
输入以下内容编辑环境变量：
nano ~/.bashrc
在 ~/.bashrc 末尾添加（注意自己的版本）：
export CUDA_HOME=/usr/local/cuda-11.8
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
Ctrl+x退出，y保存，回车。 更新环境变量
source ~/.bashrc
检查是否安装成功（注意自己的文件夹名称）：
cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
成功显示版本号：
安装MiniConda
下载 Miniconda 安装脚本
在终端中执行：
cd ~
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
wget 会把安装脚本下载到当前目录（这里是 ~ 用户主目录root）
运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh
安装过程会出现几个提示：
- 查看许可协议 → 按 Enter 滚动
- 接受许可 → 输入 yes
- 选择安装路径 → 默认 ~/miniconda3，也可以改成你希望的目录
- 初始化 conda →默认输入 yes 会自动修改 ~/.bashrc
安装完成后使环境变量生效：
source ~/.bashrc
验证安装
conda --version
输出版本号就说明安装成功。
Conda常用操作
创建虚拟环境（Python 3.11）
conda create -n myenv310 python=3.10
激活环境
conda activate myenv310
安装 PyTorch（和自己的CUDA版本对应）
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
准备好以上前置工作就可以使用Pycharm连接wsl
Pycharm连接wsl
Pycharm右下角添加新的解释器
下一步，就可以看见在WSL中创建的Conda环境。
以上就大功告成了！
