win10配置wsl的深度学习环境

# 1、一步完成wsl：开启虚拟机、linux子系统、并下载ubuntu
# 官方文档: https://learn.microsoft.com/zh-cn/windows/wsl/install
wsl --install

# 2、打开windows terminal，选ubuntu交互环境
# 第一次需要配置用户名和密码
# 接下来正常使用即可

# 3、cuda安装
# wsl环境的nvidia驱动，在windows和wsl共用，故不需要在wsl重新安装驱动
# 官方地址（下载和安装）： https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local
# 后续配置：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#post-installation-actions
# 在/etc/profile或者.bashrc中添加修改都可，最后source生效即可。

# 4、cudnn配置
# 官方地址：https://developer.nvidia.com/rdp/cudnn-archive
# 因为涉及到账号认证，所以一般被下载到windows本地了

# 打开文档路径\\wsl$，此时就找到了ubuntu系统路径，将文件copy过去即可
# 官方文档：https://learn.microsoft.com/zh-cn/windows/wsl/filesystems

# 官方配置文档：https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-897/install-guide/index.html
tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

# 5、conda配置
# 官方文档：https://docs.anaconda.com/free/miniconda/index.html#quick-command-line-install
# Miniconda3-py310_24.4.0-0-Linux-x86_64.sh
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-py310_24.4.0-0-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh
~/miniconda3/bin/conda init bash

# 6、pycharm
# 在python interpreter中选择并添加wsl中的miniconda环境即可