当前位置：首页 > news >正文

Qwen3.5-2B在WSL2中的开发环境配置指南

news 2026/5/28 5:05:18

Qwen3.5-2B在WSL2中的开发环境配置指南

1. 为什么选择WSL2进行AI开发

对于习惯Windows系统但又需要Linux环境的开发者来说，WSL2提供了一个近乎完美的解决方案。它能在Windows系统上运行完整的Linux内核，性能接近原生Linux，同时又能与Windows系统无缝集成。

使用WSL2配置Qwen3.5-2B开发环境有几个明显优势：

不需要双系统切换，开发效率更高
可以直接使用Windows下的GPU资源
文件系统互通，方便项目管理和数据共享
资源占用比虚拟机更少，运行更流畅

2. 环境准备与WSL2安装

2.1 系统要求检查

在开始之前，请确保你的Windows系统满足以下要求：

Windows 10版本2004或更高，或Windows 11
至少16GB内存（推荐32GB）
支持CUDA的NVIDIA显卡（如RTX系列）
至少50GB可用磁盘空间

2.2 启用WSL功能

以管理员身份打开PowerShell，执行以下命令启用WSL功能：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

完成后重启计算机。

2.3 安装Ubuntu发行版

打开Microsoft Store，搜索并安装"Ubuntu 22.04 LTS"
安装完成后，从开始菜单启动Ubuntu
首次启动时会提示创建用户名和密码
将WSL2设为默认版本：

wsl --set-default-version 2

3. 配置Ubuntu开发环境

3.1 系统更新与基础工具安装

在Ubuntu终端中执行以下命令：

sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential git curl wget

3.2 安装NVIDIA驱动和CUDA工具包

首先在Windows端安装最新的NVIDIA驱动
在WSL2中安装CUDA工具包：

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/12.3.2/local_installers/cuda-repo-wsl-ubuntu-12-3-local_12.3.2-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-12-3-local_12.3.2-1_amd64.deb sudo cp /var/cuda-repo-wsl-ubuntu-12-3-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda

验证安装：

nvidia-smi

应该能看到GPU信息输出。

3.3 配置Python环境

推荐使用conda管理Python环境：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

按照提示完成安装后，创建专用环境：

conda create -n qwen python=3.10 -y conda activate qwen pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

4. 配置Qwen3.5-2B模型服务

4.1 本地部署方案

如果你计划在WSL2中直接运行模型：

git clone https://github.com/QwenLM/Qwen.git cd Qwen pip install -r requirements.txt

下载模型权重后，可以通过以下命令启动服务：

python cli_demo.py --model-path /path/to/qwen-2b --gpu 0

4.2 远程调用方案

如果模型服务运行在局域网其他服务器上：

确保服务器已启动API服务
在WSL2中安装requests库：

pip install requests

创建测试脚本：

import requests url = "http://服务器IP:端口/v1/chat/completions" headers = {"Content-Type": "application/json"} data = { "model": "qwen-2b", "messages": [{"role": "user", "content": "你好"}] } response = requests.post(url, json=data, headers=headers) print(response.json())