【AI训练环境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境

一、安装Ubuntu

拿到该文件Ubuntu-22.04.tar

通过wsl导入该虚拟机镜像，然后查看wsl虚拟机列表。

wsl --import Ubuntu-22.04-tensorflow D:\wsl-data\Ubuntu-22.04-tensorflow D:\wsl-data\temp\Ubuntu-22.04.tar

wsl -l

进入虚拟机

wsl -d Ubuntu-22.04-tensorflow

二、Ubuntu安装anaconda

1. 复制下载链接

点此链接进入官网，右键复制链接，这是我复制到此链接（https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh）

Download Now | Anaconda

2.通过wget下载anaconda

命令格式：wget [上面复制的xx.sh链接]

wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

下载完成

3.安装anaconda

执行安装命令，按回车健Enter确认安装

sh Anaconda3-2024.10-1-Linux-x86_64.sh

此时，按Page Down翻页快速阅读协议条款

输入yes同意协议条款

继续再按回车健Enter确认安装到/root/anaconda3，如果你想安装到其它目录可以直接输入（不过一般情况下不需要去改）

确认启动时更新和初始化

注意，此时运行conda -V提示没有conda命令，你只需要关闭cmd窗口再进入到unbuntu即可，如果你使用的是windows11，这里也会有快捷进入unbuntu的入口

再次验证conda -V，会输出版本号

至此，anaconda安装成功。

三、安装显卡驱动

注意，不需要再再wsl-ubuntu上安装显卡驱动，只需要你的windows上安装好就行，直接运行nvidia-smi即可验证

由于第一次尝试和第二次尝试都失败了，若要快速搭建吗，可直接跳转至第六章节，你只需要注意添加conda清华源就行了。

四、【失败】第一次尝试：创建Conda+TensorFlow+GPU环境

1. 创建新的conda环境

conda环境名称为t1，python版本为3.10

conda create -n t1 python=3.10

2. 进入刚创建conda环境：t1

conda activate t1

3. 安装cudatoolkit和cudnn

安装cudatoolkit的11.2版本和cudnn的8.1版本

conda install cudatoolkit=11.2 cudnn=8.1

设置conda清华源

再来，可以下载了

4.安装tensorflow

 安装tensorflow的2.10.0版本（因为pip源是单独控制的，所以这里临时指定）

pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 安装tensorflow-gpu的2.10.0版本

pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

6 降低numpy的版本到1.22.4

pip install numpy==1.22.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

7. 使用GPU训练

1.克隆cnn-hello

git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/

2.运行cnn-hello-train.py

python cnn-hello-train.py

发现未调用GPU！由于以上是再windows跑通的，再ubuntu下没必要按这个版本，下面尝试重新创建一个conda环境，然后用比较新的版本。（原因也可以看看下面这个官方说明）

退出conda t1环境

conda deactivate

五、【失败】第二次尝试：创建Conda+TensorFlow+GPU环境（python 12）

 1. 创建新的conda环境

conda环境名称为t2，这次我们使用python版本为3.12

conda create -n t2 python=3.12

2. 进入刚创建conda环境：t2

conda activate t2

3. 安装cudatoolkit和cudnn

conda install cudatoolkit=12.5
conda install cudnn=9.3

4.安装tensorflow

pip install tensorflow==2.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 尝试使用GPU训练

六、【成功】第三次尝试：创建Conda+TensorFlow+GPU环境（python 12）

参阅了官网的教程，改进安装方案。

1.创建新的conda环境

conda create -n t4 python=3.12

2.安装tensorflow[and-cuda]

注意：此处的命令不仅仅是tensorflow，而多了一个[and-cuda]，意味着它会帮我们把cudatoolkit和cudnn自动装好。

pip install tensorflow[and-cuda]

 3.验证GPU

执行该命令，可以看到成功加载到GPU。

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

 七. 使用GPU训练速度体验

1.克隆cnn-hello

git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/

2.运行cnn-hello-train.py

python cnn-hello-train.py

 经验证，训练用时约13s，和我在windows上直接用conda安装的环境下，用时非常接近！

至此，已经完成在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境。感谢阅读！真材实料的实践分享，别忘记给个点赞哦👍。