love530love的博客

本文介绍了Windows WSL2虚拟硬盘迁移的最佳实践方案——使用Junction技术将WSL默认存储目录重定向到非系统盘。文章详细对比了四种迁移方案的优劣，重点推荐Junction方案，该方案具有永久生效、透明兼容、操作简单等优势。内容包含：WSL虚拟硬盘默认存储位置分析、Junction与SymbolicLink的技术对比、分步骤迁移教程（默认WSL目录、PodmanMachine目录等）、7个典型问题的解决方案、一键检查脚本以及最佳实践清单。通过Junction技术，用户可以一次性解决WSL虚拟硬盘

本文介绍了使用Junction技术将Podman Machine虚拟硬盘(vhdx)从C盘迁移到其他盘的方法。通过创建父目录级Junction链接，实现虚拟硬盘自动重定向到指定盘符（如I盘），避免C盘空间被占用。该方案具有以下优势： 一次性设置永久生效，重建machine无需重复迁移 相比wsl--export/import方案操作更简便 对Podman和WSL完全透明，兼容性更好 Junction无需预创建目标目录，比Symbolic Link更可靠 文章详细演示了从清理旧machine、创建Juncti

环境： Windows 11 + Podman 5.8.x + WSL2 (Mirrored 网络模式) 适用场景： 将 Podman machine 的 WSL 虚拟硬盘 (ext4.vhdx) 从 C 盘迁移到其他磁盘，释放系统盘空间 最后验证日期： 2026年4月28日

本文详细记录了将Duix-Avatar数字人项目从DockerDesktop迁移到WSL2环境的完整过程。项目包含三个核心服务：视频合成(8383)、TTS(18180)和ASR(10095)。通过Podman导出容器并导入WSL2，解决了Linux专用.so文件在Windows无法运行的问题。关键步骤包括：镜像导出导入、GPU驱动修复、配置文件修改、数据目录软链创建以及一键脚本编写。过程中解决了nvidia-smi无输出、端口不通、文件路径错误等多个技术难点，最终实现了与Docker版本相同的GPU加速性

本文详细记录了在WSL2+Podman Machine(Fedora42)环境中搭建GPU开发环境的完整流程。从安装NVIDIA驱动、CUDA 13.0、cuDNN 9.14，到配置Anaconda 2025.06和PyTorch 2.10 Nightly版本，最终通过torch.cuda.is_available()验证GPU加速功能。文章提供了详细的命令步骤，并针对可能出现的nvidia-smi命令缺失、环境变量配置等问题给出了解决方案。通过这套配置，开发者可以在Windows系统下利用WSL2和容器化

本文介绍了使用Podman Desktop替代Docker部署HeyGem.ai的完整流程。主要内容包括：1) 安装配置Podman Desktop并迁移存储目录；2) 创建WSL-Fedora子系统，配置GPU支持；3) 克隆HeyGem.ai项目，创建虚拟环境；4) 编写podman-compose配置文件，设置端口映射和卷挂载；5) 启动服务并验证运行状态。关键注意事项包括路径映射、权限设置、GPU配置和端口冲突处理等。该方案提供了容器化部署HeyGem.ai的详细指南，特别适合Windows开发环境

本文介绍了在PodmanDesktop环境中配置NVIDIA GPU支持的全过程。首先说明需要WSL2环境和已安装的主机NVIDIA驱动，详细步骤包括：添加NVIDIA容器工具包仓库、安装必要工具、启用实验版仓库、安装NVIDIA容器工具包并验证。安装完成后需生成CDI规范文件使容器能识别GPU，最后通过运行Stable Diffusion等容器验证GPU加速效果。整个过程解决了在Fedora 42系统的PodmanMachine中实现容器GPU加速的关键技术问题。

本文聚焦 Hugging Face 工具链升级引发的命令弃用与依赖提示问题，解析升级背景与关键节点 —— 因追求命令统一及存储支持扩展，huggingface-hub 0.22.0 起明确弃用huggingface-cli download，推荐hf download。文中提供 Windows 系统实操指南：按 “huggingface-hub[cli]核心包→hf-xet存储支持” 顺序安装，详解登录、基础下载及国内镜像加速等命令示例，解决符号链接失败等 Windows 特有问题。通过迁移至新命令与正

1. 问题场景WSL（适用于 Linux 的 Windows 子系统）默认将发行版（如 Ubuntu）存储在 C 盘 AppData\Local\Packages 目录下，长期使用易导致 C 盘空间不足，影响系统性能。2. 迁移目标将已安装的 WSL 发行版（如 Ubuntu、Ubuntu-Preview）从 C 盘迁移到 D 盘指定目录（如 D:\wsl），后续 WSL 数据直接存储在 D 盘，避免 C 盘占用。

在 NVIDIA-Workbench（WSL2-Ubuntu 22.04） 中部署 SkyReels-V2 昆仑万维电影生成模型 —— 逐命令逐输出，附模型缓存映射技巧

在 WSL-NVIDIA-Workbench（NVIDIA AI Workbench & Ubuntu 22.04）中

【CSDN 首发】《告别 磁盘爆红！WSL2 部署大模型 将 Hugging Face / ModelScope 缓存迁移到 Windows 指定盘符（进行可视化管理）指南》

IndexTTS 关键步骤部署文档

因需安装依赖本地CUDA编译的软件包，需完整部署CUDA Toolkit、cuDNN及PyTorch环境。从CUDA12.9版本起，NVIDIA支持通过Anaconda安装cuDNN，故调整流程为先装Anaconda（前置）→再装CUDA13.0→接着装cuDNN9.12→最后装PyTorch，确保版本适配且操作高效，关键步骤附官方及实操参考链接，保障可复现性。

我们通过诸多实践后将三种链接方案分别独立成篇，可以让不同需求场景的读者精准获取所需内容。下面是回顾我们文章系列策划的三篇博客标题、定位和详细大纲，每篇都围绕一个核心方案展开，具备教学性、实用性和实操性：

💡 本文适用于：在 同一物理磁盘内的不同分区之间，迁移系统级工具文件夹（如 Docker、WSL、开发缓存）且需要最大兼容性场景。📌 推荐方案：使用 mklink /J 命令创建 Junction 目录联接，相比符号链接更友好于系统组件，风险更低。

符号链接 SymbolicLink 全面教程：跨盘迁移的多能方案

以下是一篇面向初中级用户的完整教程，主题聚焦于 三种 Windows 目录链接方案对比与示例操作，以最直观的方式讲解“如何把 C:\A 文件夹迁移到 D:\B”，并配图式解释各种命令适配场景。

我们踩过这个坑，也帮助不少开发者和教学部署环境中排查过类似问题——WSL 的默认路径设计，不适合长时间承载 AI 相关任务的磁盘写入行为。所以我们撰写这篇文章，作为你 启动 WSL 环境前的第一道防线：路径治理必须先行。

 WSL 存储路径的深度探索：AppData\Local\wsl 与 Program Files\WSL 到底有什么区别？

WSL - Linux 安装最新版 Anaconda3-2025.06-0 详细教程 [WSL 分发版均适用]

当传统方法失效时，通过精准添加多用户 / 组到 docker-users 并确保权限生效，可有效解决 Docker Desktop 因管道访问权限不足导致的启动报错，恢复 Docker 正常使用

在使用 WSL（Windows Subsystem for Linux）的过程中，许多用户会遇到 C 盘空间被 WSL 发行版不断占用的问题。这是因为 WSL 默认将发行版存储在C:\Users\<用户名>\AppData\Local\wsl路径下，随着安装的发行版增多，C 盘空间会逐渐紧张。本文将详细介绍如何通过 PowerShell 符号链接，将 WSL 默认路径重定向到其他磁盘（如 I 盘），实现新发行版自动存储到目标位置，无需手动迁移。同时提供两种备选方案供参考。

切换 WSL 到 预览版

解决 WSL 迁移后 Docker 出现 “starting services: initializing Docker API Proxy: setting up docker api proxy listener: open \\.\pipe\docker_engine: Access is denied.” 的问题

Windows 系统中将所有 WSL 发行版从 C 盘迁移到 非系统 盘的完整笔记（附 异常处理）🚀 将所有 WSL 发行版从 C 盘迁移到 I 盘的完整教程（含 Podman / NVIDIA Workbench / Ubuntu 等） 

LxRunOffline 是一个第三方开源工具，全称为（Linux Run Offline），用于管理和操作 Windows Subsystem for Linux (WSL)。它提供了比官方命令更灵活的功能，尤其适用于WSL 发行版的迁移、备份、克隆和自定义安装。DDoSolitary/LxRunOffline：用于管理适用于 Linux 的 Windows 子系统 （WSL） 的全功能实用程序主要功能1、迁移发行版路径。

你以为你只装了一个工具，实际上你获得了一个个独立的 Linux 开发空间。这些由第三方工具生成的 WSL 实例，是现代 Windows 开发者最容易忽视的“隐藏资源”。它们不仅帮你节省了手动安装发行版的时间，还带来了更多灵活性和选择空间。它们不只是工具，更是为你悄悄准备好的 Linux 环境工厂。

（部分整理，未完整罗列）

总结。

1、 nvcc -V 正确显示版本号。2、 nvidia-smi 无报错。​3、 环境变量已写入 .bashrc，并通过 source 生效。​。

graph TDA[尝试使用 sudo] --> B{能否成功?B -->|是| C[说明你知道当前用户的密码]B -->|否| D[你不知道密码，需要通过 root 设置]C --> E[可直接安装软件或修改密码]D --> F[通过 PowerShell 以 root 登录 WSL]F --> G[用 root 设置 workbench 新密码]G --> H[现在你可以使用新密码 + sudo]【笔记】NVIDIA AI Workbench 安装记录-CSDN博客。

查看与系统GPU的通信状况nvidia-smi。

NVIDIA AI Workbench 是一款由 NVIDIA 推出的集成化开发工具，旨在简化人工智能和机器学习的开发流程。它提供从数据准备到模型训练、优化及部署的全套工具链，支持跨平台协作，适合开发者、数据科学家和企业团队快速构建 AI 解决方案。

这样 Cargo 会初始化一个现有目录，使其成为 Rust 项目，而不会创建重复的文件。这会进行语法检查，但不会生成二进制文件。安装完成后，需要更新。

为了使 WSL 能够正确识别并使用 NVIDIA 驱动，我们需要安装适用于 WSL 2 的 NVIDIA 驱动。具体的安装方法是通过将 Windows 主系统的 NVIDIA 驱动路径添加到 WSL2 的环境变量中实现。在 Windows 操作系统中，要先确保已正确安装 NVIDIA 驱动程序，并且 CUDA 工具包等相关组件也安装无误且运行正常。如果整个配置过程正确无误，此时应该能够看到关于 GPU 的状态信息，包括 GPU 的型号、使用率、温度等详细内容。在完成上述配置步骤后，在终端中再次输入。

工作记录1、克隆仓库克隆仓库到Windows本地目录2、创建 Conda 环境：在PyCharm里配置WSL为默认终端，然后创建激活环境安装pynini安装 requirements.txt可以看到整个安装过程非常顺畅，不会出现直接在Windows平台部署的各种问题。下载模型这条命令使用了modelscope工具来下载指定的模型，并将其保存到本地目录。

工作记录接上篇WSL部署CosyVoice后，运行时会提示ttsfrd​ 未安装，将使用WeTextProcessing进行处理，但为了获得更好的性能和更好的兼容性，还是建议按照README.MD文档的流程安装ttsfrd。

通过 WSL 将二者结合，我们既能在熟悉的 Windows 界面下操作，又能在需要时无缝切换到 Linux 环境进行项目开发、部署，充分发挥各自的优势，让开发工作更加高效便捷。在 WSL - Linux 环境中，我们可以像在原生 Linux 系统上一样，通过各种包管理工具（如 apt、conda 等）轻松地安装、更新和管理项目所需的软件和库，能够快速搭建出符合项目要求的定制化开发环境，而且不同的项目可以配置不同的环境，彼此之间互不干扰，方便进行多项目的开发和维护工作。

在过去，PyCharm Community Edition（社区版）不具备链接 WSL 虚拟环境的功能，该功能仅在 PyCharm Professional（专业版）和企业版中提供。用户既能借助 Windows 系统的图形操作优势，便捷集成 WSL 的 Linux 开发者环境，又能让工作站型开发者兼顾 Windows 系统的游戏、影音剪辑等娱乐功能以及 Linux 的开发环境，是个较为友好的解决方案。如果不习惯在VS CODE中操作WSL的，可以试试PyCharm。