在Windows(WSL)下搭建用于深度学习的环境

目标:

使用Windows自带的WSL,即适用于 Linux 的 Windows 子系统搭建深度学习环境(Ubuntu、VS Code、 Miniconda)


电脑环境:

Windows10 版本号:22H2
WIndows操作系统内部版本:19045.4529
Ubuntu 版本 :20.04-


一、搭建环境前Windows 10相关设置设置:

Step 1:使用搜索功能呼出控制面板
在这里插入图片描述
Step 2:点击程序,查看程序中的启用或关闭Window功能
在这里插入图片描述
Step 3:保持
虚拟机平台及适用于Linux的Windows子系统两个功能的正常开启
在这里插入图片描述

二、WSL环境搭建:

注:这里需将WSL 升级为WSL 2,而且推荐手动安装Ubuntu系统
内核更新地址:https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi

选择Ubuntu系统

这里可以查看可选择的分发版系统
https://learn.microsoft.com/en-us/windows/wsl/install-manual#downloading-distributions
此处选择的是Ubuntu 20.04版本
在这里插入图片描述
下载后解压文件夹到想要放置的位置:
在这里插入图片描述双击Ubuntu2004.exe后进行安装(即可安装到想要位置),后续这也是启动 WLS下Ubuntu 环境的入口之一
安装后能够看到该文件夹下生成了一个名为 ext4.vhdx 的虚拟硬盘

2.1 进入已安装的WSL下的Ubuntu系统

可通过 Power Shell 或 cmd 输入wsl 进入系统
在这里插入图片描述
初次进入会需要设置用户名,及密码(这里用户名前带有base,是由于已安装 minconda,此时处于 base 环境)
此时在新开的Power Shell 或 cmd 对话框中输入 wsl -l -v能够查看已安装的Ubuntu系统的状态及WSL的版本
在这里插入图片描述
能够看到这里Ubuntu系统处于运行状态,且WSL的版本为2,至此Windows 10下的Ubuntu系统安装完成

2.2 安装Miniconda

依次在Ubuntu环境下输入以下指令
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh
一路yes即可完成Miniconda的安装。
随后即可创建各种虚拟环境用于各个深度学习项目啦!!!

3 使用VS Code连接基于WSL搭建的Ubuntu系统

注:初次使用VS Code连接WSL可能需要自动下载相关配置文件(若不成功,可尝试使用梯子)
在这里插入图片描述
点击如上图所示的左下角蓝色区域的箭头><
在这里插入图片描述
然后点击连接到WSL,即可在VS Code中连接到刚才配置好的Ubuntu环境
在这里插入图片描述
打开文件夹即可看到Ubuntu环境中的根目录,然后就可以炼丹啦!
很高兴你能够看到这里,欢迎提出宝贵的意见、交流学习!!!

  • 10
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在WSL中安装深度学习环境,可以按照以下步骤进行操作。 1. 首先,确保已经安装了WSL并选择了适合您的Linux发行版,如Ubuntu。 2. 打开WSL终端并运行以下命令,更新系统软件包列表: ``` sudo apt update ``` 3. 安装必要的依赖项,包括Python和pip: ``` sudo apt install python3 python3-pip ``` 4. 安装所需的深度学习库,如TensorFlow或PyTorch。可以使用pip命令来安装它们,例如: ``` pip3 install tensorflow ``` 5. 根据需要,您还可以安装其他深度学习库和工具,如Keras、Scikit-learn等: ``` pip3 install keras scikit-learn ``` 6. 可能需要安装GPU的相关驱动程序和CUDA工具包,以便在WSL中进行GPU加速的深度学习任务。这可能需要更多的配置和步骤,因为WSL并不原生支持CUDA,但是可以通过一些额外的工具和补丁来实现。 请注意,WSL在很大程度上是用于开发目的,而不是用于性能要求较高的深度学习任务。如果您需要更高性能的环境,建议直接在宿主系统上安装深度学习环境,而不是使用WSL。 希望以上步骤对于在WSL中安装深度学习环境有所帮助。 ### 回答2: 要在WSL上安装深度学习环境,首先需要安装WSL,并选择适合的发行版,如Ubuntu。安装完成后,可以使用WSL的命令行界面进行操作。 在WSL上安装深度学习环境一般分为以下步骤: 1. 更新系统:使用命令sudo apt update && sudo apt upgrade来更新WSL的系统软件和库。 2. 安装必要的工具:安装一些必要的工具和软件包,如wget、curl等,以便后续的操作。 3. 安装Python:深度学习环境通常需要使用Python作为编程语言,可以通过sudo apt install python来安装Python。 4. 安装pip:Pip是一个Python的包管理工具,使用命令sudo apt install python3-pip来安装pip。 5. 安装深度学习框架:有多种深度学习框架可供选择,如TensorFlow、PyTorch等。可以使用pip安装这些框架,例如使用pip install tensorflow来安装TensorFlow。 6. 安装GPU支持(可选):如果使用GPU进行深度学习训练,还需要安装相应的GPU驱动和CUDA库。具体安装步骤可以参考相应的GPU厂商文档。 7. 安装其他依赖库:深度学习环境通常还依赖于其他的库和软件包,可以使用pip安装这些依赖库。 安装深度学习环境可能会涉及到很多细节和配置,具体操作要根据具体环境和需求来确定。此外,还可以通过WSL启动一个图形界面,以方便使用深度学习工具和编辑器。在图形界面中,可以更方便地进行代码编写、调试和可视化等操作。 总之,在WSL上安装深度学习环境需要经过一系列的准备和安装步骤,可以根据具体需求和环境按照以上步骤进行操作。 ### 回答3: 要在WSL上安装深度学习环境,可以按照以下步骤进行操作: 1. 安装WSL:在Windows系统上,可以通过Microsoft Store或者官方网站下载安装WSL。选择合适的Linux发行版,如Ubuntu。 2. 启动WSL:安装完成后,可以在Windows菜单中找到WSL并打开命令行终端。 3. 更新系统:在WSL终端中,使用以下命令更新系统软件包和依赖项: ``` sudo apt update sudo apt upgrade ``` 4. 安装Python和pip:为了使用深度学习框架,需要先安装Python和pip。在WSL中使用以下命令进行安装: ``` sudo apt install python3 python3-pip ``` 5. 安装深度学习库:根据需要选择深度学习框架(如TensorFlow、PyTorch等),并使用pip命令安装相应的库。例如,安装TensorFlow和Keras可以使用以下命令: ``` pip3 install tensorflow pip3 install keras ``` 6. 安装GPU驱动(可选):如果你的系统有NVIDIA GPU并且想要使用GPU加速深度学习训练,可以在WSL中安装相应的GPU驱动和CUDA工具包。具体安装过程较为复杂,建议参考相关文档或教程进行操作。 以上步骤是在WSL上安装深度学习环境的大致流程。根据不同的需求和情况,可能会有一些额外的步骤或配置,建议参考相关文档或教程进行更详细的指导。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值