Windows11+WSL2+全套深度学习环境配置流程

纯小白，屁也不会，从零开始

系统安装

参考微软官方的WSL安装流程，注意的点：

1. 重启进BIOS开启虚拟化
2. 记得不要直接使用install指令执行默认安装，这样会安装最新版22.04（相当于在应用商店中安装了名为“Ubuntu”的应用），可以直接在商店中安装20.04版本

安装完成后Ubuntu顺利启动，进行以下操作：

启动&换源

1. 设置user名称&密码
2. 换源

cp备份原镜像源

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

编辑软件源

sudo nano /etc/apt/sources.list

cut掉内容，进行清华源替换

保存推出的指令我都不会，现学现用

CTRL+O后还要enter一下

环境配置

1. gcc 简单，略
2. cuda

需要先更新Windows系统中的Nvidia驱动，之后在cuda官网中选择对应版本的cuda版本

注意此处下载的是系统中的cuda驱动，之后在conda中创建虚拟环境时可以低于这个版本，但不能高于此版本，因为conda中创建环境时只会下载部分动态链接库，编译时需要用到系统中自带的cudatoolkit部分组件，如果版本不够就会报错

下载的时候记得选择runfile版本的，这个版本对于显卡驱动的安装是可选择的，而我们并不需要安装

下载好了安装报错 忘记截图了 具体解决方式采用网上的彻底卸载方法处理一下重新安装就好啦

最后nvcc-V查看下版本有显示就OK

1. cudnn

手动下载好需要的cudnn版本的deb版本文件，直接手动拖入目标目录（因为下载是在Windows下进行的）

按照英伟达官方教程一步一步操作即可

压力大得很，顾不上详细记录了。

后面的内容还有：

1.安装conda

2.conda换源

3.新建虚拟环境

4.安装对应的pytorch和cuda

前三步网上的教程很多，略。

其中cuda的安装废了很多力气，因为最优先的pytorch官网下载打包安装的简略指令由于网络原因无法继续了

而手动一个一个安装时却不知道为什么网上所有的教程

中的

pip install cudatoolkit=11.0 

这一指令根本没用了

因此最后选择了conda安装

但是换别的环境时可能仍然会出现新的版本问题，后续再想办法解决吧

5.最后便是打包安装requirements.txt文件中的库 

在sikit-learn时频繁报错，明明我的文件中写的是sikit-learn，它却说我的指令是已经弃之不用的sklearn，最后通过手动安装它和之后的库解决了

6.新坑

在运行源码时，报错numpy

AttributeError: module 'numpy' has no attribute 'int'.

由于1.20之后的版本不再支持该句中的int类型参数

选择重新安装旧版本解决

但这导致其他依赖新版本的包如pandas等在接下来的代码运行中继续报错了

还好之前的代码仅仅是一个数据预处理组织程序，再其运行完生成了满足要求的结果后我重新更新安装了numpy，后面的程序得以顺利运行

7.总结

配置环境＋复现代码花了我整整三天时间

其中踩坑各种大坑小坑不断，回头回想来全是血泪

由于自己的耐心和状态，过程中并没有详细记录

简单总结下让现在回想自己印象深刻的坑：

        1.按照微软官网安装wsl指令后默认安装了最新版的Ubuntu22.04，浪费了我一堆流量，还得卸载重装，建议直接商店安装，想要哪个点哪个，简单的最有效；

        2.cuda的版本选择问题——新版可以向下兼容旧版，以及runtime版本和driver版本的区别（网上的教程不少，粗略阅读就可以搞清楚不踩坑）

        3.cudnn的安装——这个有国内网站，下载速度快一点，记得选cn后缀的

        4.conda的安装——默认安装到了root下，我配置环境变量的时候就觉得奇怪，这玩意能访问root下的文件吗，事实证明确实不行，于是再彻底卸载加重装

        5.conda中 pip装不上cuda