Win11 WSL2安装Ubuntu 18.04避坑指南：深度学习环境搭建必备
Win11 WSL2深度学习环境搭建全攻略：Ubuntu 18.04避坑实践
在深度学习领域，环境配置往往是项目开始前的第一道门槛。对于习惯Windows系统但又需要Linux环境的开发者来说，WSL2（Windows Subsystem for Linux 2）提供了一个近乎完美的解决方案。本文将带你从零开始，在Win11系统上通过WSL2搭建Ubuntu 18.04环境，特别针对TensorFlow等深度学习框架的兼容性需求，提供一站式配置指南。
1. 环境准备与WSL2安装
在开始安装Ubuntu 18.04之前，我们需要确保系统满足WSL2的运行要求。Win11虽然默认支持WSL功能，但仍需进行一些必要的配置。
首先，检查系统版本是否为Win11 21H2或更高。可以通过Win+R输入winver查看具体版本信息。如果你的系统版本较旧，建议先进行系统更新。
1.1 启用WSL功能
WSL功能默认是关闭的，我们需要通过PowerShell管理员权限启用：
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart这条命令会启用基础的WSL1功能。完成后，不要立即重启系统，因为我们还需要启用虚拟机平台功能：
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart执行完毕后重启电脑，这些更改才会生效。
1.2 安装WSL2内核更新
重启后，我们需要下载并安装WSL2 Linux内核更新包。这是WSL2正常运行的关键组件：
- 访问微软官方下载页面获取最新内核更新包
- 运行下载的MSI安装程序，按照向导完成安装
- 设置WSL2为默认版本：
wsl --set-default-version 2注意：某些旧版Win11可能需要先启用BIOS中的虚拟化技术（VT-x或AMD-V）。如果遇到问题，请检查主板设置。
2. Ubuntu 18.04安装与配置
2.1 获取Ubuntu 18.04镜像
微软商店默认只提供最新版Ubuntu，要安装18.04版本，我们需要手动下载：
wsl --install -d Ubuntu-18.04如果命令执行失败，可以尝试以下替代方法：
- 下载Ubuntu 18.04的WSL镜像包（.appx文件）
- 重命名为.zip并解压
- 运行解压后的ubuntu1804.exe文件开始安装
2.2 初始设置与常见问题解决
安装过程中可能会遇到几个典型问题：
- 错误0x8007019e：WSL组件未启用，返回第1节重新执行
- 错误0x800701bc：未安装WSL2内核更新包
- 网络连接问题：建议使用稳定的网络环境，必要时配置代理
安装成功后，系统会提示创建UNIX用户账号。建议使用以下最佳实践：
- 用户名不要包含大写字母和特殊字符
- 密码长度至少8位，包含字母和数字
- 记住设置的密码，后续sudo操作需要
3. 深度学习环境配置
3.1 系统基础配置
首先更新系统软件源并升级现有软件包：
sudo apt update && sudo apt upgrade -y安装必要的编译工具和依赖项：
sudo apt install -y build-essential cmake git wget curl libsm6 libxext6 libxrender-dev配置Python环境（Ubuntu 18.04默认Python3为3.6版本）：
sudo apt install -y python3-pip python3-dev python3 -m pip install --upgrade pip3.2 CUDA与cuDNN安装
对于深度学习开发，GPU加速至关重要。WSL2支持直接调用Windows主机上的NVIDIA显卡：
- 确保Windows主机已安装最新NVIDIA驱动
- 在Ubuntu中安装CUDA Toolkit 11.0（兼容TensorFlow 2.4+）：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /" sudo apt-get update sudo apt-get -y install cuda-11-0- 安装对应版本的cuDNN：
sudo apt install -y libcudnn8 libcudnn8-dev配置环境变量：
echo 'export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc source ~/.bashrc3.3 TensorFlow环境搭建
针对需要特定版本TensorFlow的用户，以下是安装TensorFlow 2.4的步骤：
python3 -m pip install tensorflow-gpu==2.4.0验证安装是否成功：
import tensorflow as tf print(tf.__version__) print(tf.config.list_physical_devices('GPU'))如果输出显示正确的版本号和GPU信息，说明安装成功。
4. 性能优化与实用技巧
4.1 WSL2与Windows系统集成
WSL2与Windows系统有着良好的互操作性：
- 在Ubuntu中访问Windows文件：
/mnt/c/对应C盘 - 在Windows中访问Ubuntu文件：
\\wsl$\Ubuntu-18.04\home\yourname - 从Windows调用Linux命令：
wsl ls -l
4.2 内存与CPU资源限制
默认情况下，WSL2会尽可能使用系统资源。可以通过配置文件限制资源使用：
在Windows用户目录下创建或修改.wslconfig文件：
[wsl2] memory=8GB processors=4 localhostForwarding=true4.3 图形界面支持
虽然WSL2主要面向命令行使用，但也可以配置X Server实现GUI支持：
- 在Windows上安装VcXsrv或Xming
- 在Ubuntu中安装必要的GUI组件：
sudo apt install -y x11-apps dbus-x11- 配置环境变量：
echo 'export DISPLAY=$(cat /etc/resolv.conf | grep nameserver | awk '\''{print $2}'\''):0' >> ~/.bashrc echo 'export LIBGL_ALWAYS_INDIRECT=1' >> ~/.bashrc source ~/.bashrc启动X Server后，可以在WSL中运行图形程序如gedit或gnome-terminal。
4.4 备份与迁移
WSL2实例可以方便地导出和导入：
# 导出 wsl --export Ubuntu-18.04 ubuntu1804.tar # 导入 wsl --import Ubuntu-18.04-Backup C:\wsl\ubuntu1804 C:\backup\ubuntu1804.tar --version 25. 深度学习开发工作流建议
在WSL2环境下进行深度学习开发，推荐以下高效工作流：
- 代码编辑：使用VS Code配合Remote - WSL扩展
- 版本控制：在WSL中直接使用git管理项目
- 数据存储：
- 小型数据集：存储在WSL文件系统中（性能更好）
- 大型数据集：存储在Windows分区并通过
/mnt/访问
- 训练监控：
- 使用TensorBoard：
tensorboard --logdir=logs - 通过Windows浏览器访问：
http://localhost:6006/
- 使用TensorBoard：
对于需要特定版本库的项目，建议使用虚拟环境：
python3 -m pip install virtualenv python3 -m virtualenv tf24_env source tf24_env/bin/activate pip install tensorflow-gpu==2.4.0在WSL2中运行Jupyter Notebook并直接在Windows浏览器中访问：
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser然后在Windows浏览器中打开http://localhost:8888即可。