超详细Windows子系统（Wsl2）下安装Ubuntu22.04（cuda11.8）-MambaVision框架使用（自用版）

已于 2025-05-13 15:46:28 修改
阅读量9.2k 收藏 123
点赞数 47
文章标签： linux pytorch
于 2024-12-29 12:31:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51949030/article/details/144729352
版权

目录

前言

一、在Windows上安装Linux子系统ubuntu

1.开启所需的Windows功能

2.使用PowerShell查看是否启用了Linux子系统：

3. 升级为最新版本的 WSL

4. 安装ubuntu22.04

5 设置

6 位置迁移（默认在c盘，建议迁移，最低需要50GB空间）

7. window和Linux互传文件

二、安装Anaconda3

 1.下载Anaconda3安装包文件​编辑

2.安装

3. 在~/.bashrc文件中配置环境变量

三、安装CUDA

1.ubuntu换源

2.安装

3.在~/.bashrc文件中配置环境变量

四、安装cudnn

1.下载

2.安装

五、安装Torch

1.创建环境

2.下载torch

3.检查pytorch下载结果

六、安装Mamba

1.进入mamba环境

2.安装packaging包

3.安装causal_conv1d

4.安装mamba_ssm

5.验证是否安装成功

七、Pycharm中配置Linux环境

1.进入pycharm，在界面右下方选择“添加新的解释器”再选择“WSL”

2.继续

3.找到自己的mamba虚拟环境

八、测试MambaVision

1.复制测试代码

2.下载预训练模型

3.测试

参考文献：

前言

初衷是为了下载mamba使用，我找遍了网上教程，在Linux下安装后使用食用最佳，我也尝试过虚拟机，很麻烦，于是Pass。还是Wsl2下安装ubuntu22.04最香，我用一天时间就安装完毕成功跑通代码，跟着我的教程无论你要下载什么版本都类似。

我版本是:WSL2+Ubuntu22.04+cuda11.8+torch2.5.1+mamba_ssm2.2.4+causal_conv1d1.5.0

(其中我torch+mamba_ssm+causal_conv1直接装的最新，使用起来非常之香)

一、在Windows上安装Linux子系统ubuntu

1.开启所需的Windows功能

使用”Windows+R“快捷键，在打开的「运行」窗口中输入"optionalfeatures"打开「Windows 功能」

启用windows功能中的"虚拟机平台"和"适用于Linux的Windows子系统"。

然后根据提升重启电脑。

2.使用PowerShell查看是否启用了Linux子系统：

wsl -l

如果有错误，检查第一步。

3. 升级为最新版本的 WSL

wsl --update       # 更新

并设置为wsl2

wsl --set-default-version 2

4. 安装ubuntu22.04

打开Microsoft Store,搜索ubuntu，选择自己想要安装的版本。

5 设置

启动时Ubuntu22.04 LTS时，设定用户名和密码

6 位置迁移（默认在c盘，建议迁移，最低需要50GB空间）

6.1 查看已安装的 Linux 发行版本

wsl -l --all -v

6.2 导出分发版为 tar 文件到 E盘上并注销原tar，需要等待一段时间，并且当前 Ubuntu 会退出

# 导出发行版本为文件
wsl --export Ubuntu-22.04 E:\ubuntu22.04.tar
# 注销此发行版本，完成此操作后，可以看到对应的 C 盘空间减少了许多
wsl --unregister Ubuntu-22.04

6.3 重新导入并安装 WSL 2在 E盘

wsl --import <子系统名称> <迁移到哪一个文件下> <要导入的包路径> --version 2
# 示例如下
wsl --import Ubuntu-22.04 E:\wsl-ubuntu22.04 E:\ubuntu22.04.tar --version 2

6.4 设置默认用户为之前安装时的用户，不然默认是 root 身份，使用不方便

ubuntu2204.exe config --default-user ubuntu22  # ubuntu22为我的用户名

6.5 打开 Ubuntu 验证是否正常，并删除安装包

del E:\ubuntu22.04.tar

7. window和Linux互传文件

直接可以将window中的文件复制粘贴入LInux/Ubuntu-22.04下

二、安装Anaconda3

 1.下载Anaconda3安装包文件

2.安装

将.sh文件放入你的用户目录下

sh 安装包名

3. 在~/.bashrc文件中配置环境变量

进入vim，键入大写I进行编辑，在文件最后一行输入如下代码：

# export PATH=$PATH:“你的安装目录”
export PATH=$PATH:/home/ubuntu22/anaconda3/bin

按ESC键退出编辑模式，输入:wq保存并退出

三、安装CUDA

1.ubuntu换源

sudo vim /etc/apt/sources.list

将前面代码注释，复制粘贴如下代码

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse

按大写的I进入插入模式，按ESC键退出编辑模式，输入:wq保存并退出，输入sudo apt update更新软件包

2.安装

访问CUDA Toolkit 11.8 Downloads，找到自己所需的版本，我使用的是11.8。

将安装包复制到用户目录，使用“sh 安装文件”命令安装，

安装CUDA安装包中间的选择：首先accept，然后向下键，最后选中Install回车。

3.在~/.bashrc文件中配置环境变量

sudo vim ~/.bashrc

大写I进入编辑模式，在末尾将以下代码复制进去，然后按esc推出编辑模式，输入:wq保存并退出

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
export PATH=$PATH:/usr/local/cuda-11.8/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8

输入source ~/.bashrc刷新环境变量，输入nvcc -V查看cuda是否已经安装成功

四、安装cudnn

1.下载

    访问cuDNN Archive | NVIDIA Developer选择适合的cudnn版本，选择Local Installer for Linux x86_64(tar)版本下载，将安装包解压并复制到用户目录下。

2.安装

依次键入如下代码安装：

cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive/
sudo cp -r lib/* /usr/local/cuda-11.8/lib64/
sudo cp -r include/* /usr/local/cuda-11.8/include/
sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn*

验证是否成功安装

cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

五、安装Torch

1.创建环境

conda create -n mamba python==3.10

激活环境

conda activate mamba

2.下载torch

进入Pytorch官网

切记，这条命令不要直接用，后面一定加入国内源，不然下载速度极慢。

-i https://pypi.tuna.tsinghua.edu.cn/simple

类似我的下载代码：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

3.检查pytorch下载结果

检查pytoch是否安装成功，可以和我们的cuda相匹配吗

import torch     # 如果pytorch安装成功即可导入
print(torch.cuda.is_available())     # 查看CUDA是否可用
print(torch.cuda.device_count())     # 查看可用的CUDA数量
print(torch.version.cuda)     # 查看CUDA的版本号
exit()    #退出

六、安装Mamba

1.进入mamba环境

conda activate mamba

2.安装packaging包

conda install packaging

3.安装causal_conv1d

访问Dao-AILab/causal-conv1d

下载后在用户目录下新建一个package1文件夹，放入causal_conv1d安装包

进入package1文件夹下

 cd package1/

安装causal_conv1d

 pip install causal_conv1d-1.5.0.post8+cu11torch2.5cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

4.安装mamba_ssm

访问state-spaces/mamba

 下载后在用户目录下新建一个package1文件夹，放入mamba_ssm安装包

进入package1文件夹下

 cd package1/

安装mamba_ssm

pip install mamba_ssm-2.2.4+cu11torch2.5cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

5.验证是否安装成功

七、Pycharm中配置Linux环境

1.进入pycharm，在界面右下方选择“添加新的解释器”再选择“WSL”

2.继续

3.找到自己的mamba虚拟环境

切记：python3.10选择为python3.10-config前一个的文件。

ok，到这所有环境就配置完毕了。

八、测试MambaVision

1.复制测试代码

访问NVlabs/MambaVision

复制如下代码到你配置好的pycharm中

2.下载预训练模型

通过国内🤗 HF-Mirror库使用预训练的 MambaVision 模型

将下面红色框内的所有文件都下载，在项目中新建一个“MambaVision-T-1K”文件夹，并放入。

3.测试



大功告成！！！

参考文献：

1.安装WSL2和Ubuntu22.04版本

2.超详细wsl2安装深度学习环境2024最新版(cuda11.8+torch2.2)

3.【Mamba】Mamba的部署

4.【Mamba安装】99%的人都出错！带你手把手解决selective_scan_cuda冲突问题

5.wsl2安装 深度学习环境配置！同时拥有ubuntu的高效和windows的便捷！

window11使用wsl2安装Ubuntu22.04
鲨鱼儿的博客
10-29 4667
了解使用适用于Linux的Windows子系统(WSL)时访问网络应用程序的注意事项。适用于Linux的Windows子系统(WSL)中基本命令的参考。使用WSL访问网络应用程序|MicrosoftLearn。wsl2docker、cudatoolkit等安装。WSL的基本命令|MicrosoftLearn。子系统linux使用window网络代理、网络配置。wsl2Ubuntuminiconda安装。windows与子系统Linux文件访问。
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 3825
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
全网最全Win10/11系统下WSL2+Ubuntu20.04的全流程安装指南（两种支持安装至 D 盘方式）
热门推荐
小白一枚～
02-13 4万+
本教程详细介绍了在 Windows 10/11 系统下安装 WSL2，并将 Ubuntu 20.04 发行版存储至 D 盘，以减少 C 盘占用。教程包含 WSL2 启用、Ubuntu 下载与解压、手动导入 WSL2、用户设置及安装验证，适用于希望在 Windows 上运行 Linux 开发环境的用户。
​Windows系统使用WSL安装Ubuntu
最新发布
m0_56230003的博客
04-26 413
WSL安装Ubuntu以卸载
win10系统使用WSL2安装ubuntu22.04并且安装docker
ling_Small_yu的博客
03-27 1290
也可以在powshell中以管理员身份运行下面命令以确保开启适用于Linux的Windows子系统，和虚拟机平台服务配置项，对于powershell的使用建议安装微软商店自带的(win11默认安装)可以更友好的使用powershell 和后续安装的ubunto22.04虚拟机，Windows Terminal 可以集成多个shell，如powershell、cmd、git bash，安装完的Linux发行版的终端也会自动集成到 Windows Terminal 中。
Windows通过WSL安装Ubuntu以及深度学习配置
qq_40102732的博客
12-14 8830
windows上通过WSL快速安装ubuntu及深度学习相关配置，亲测有效
搭建WSL2+Ubuntu22.04 LTS环境
qq_52383696的博客
09-21 1878
现在的主板一般都默认开启的，也可以。
基础环境：wsl2安装Ubuntu22.04 + miniconda
金陵寄客的博客
04-24 2376
基础环境搭建
WSL安装与使用(Ubuntu22.04)
总想试试，万一成了呢？？
07-10 9595
本文主要记录Windows WSL的安装和使用过程，内容包括WSL安装过程、WSL安装Ubuntu、Ubuntu更换镜像源，Ubuntu安装Dcoker并配置等步骤。
windows通过wsl2安装linux系统之Ubuntu，傻瓜式安装
visket2008的专栏
09-10 4001
windows10直接安装linux双系统，告别vmware和docker，让本地与服务器同环境，全文傻瓜式操作，包括一些坑的处理
WSL2 Ubuntu22.04安装KDE桌面
qq_30448087的博客
12-09 1万+
总结了国内安装WSL图形化桌面的博客，写了如何在WSL2的Ubuntu上安装KDE桌面，因为安装KDE遇到的一些问题在安装gnome时也会遇到，所以也顺便提及了一下gnome，
ubuntu22.04.2 LTS iso 共3个压缩包，ubuntu官网下载，此为卷3
09-19
ubuntu22.04.2 LTS iso 共3个压缩包，ubuntu官网下载，此为卷3
ubuntu22.04.3 LTS iso 共3个压缩包，ubuntu官网下载，此为卷3
09-19
ubuntu22.04.3 LTS iso 共3个压缩包，ubuntu官网下载，此为卷3
【24年9月亲测可用】Windows11-WSL2-Ubuntu22.04-可视化桌面安装教程（附带CUDA，cuDNN）
Leo9344的博客
09-07 5392
Windows11-WSL2-Ubuntu22.04 安装可视化桌面和CUDA，cuDNN的教程
windows11家庭版使用WSL2安装Ubuntu22.04出问题总结（给自己看的）
m0_74761847的博客
09-25 1254
WSL2安装Ubuntu22.04+搭建操作系统实验平台xv6+ROS2
wsl2安装ubuntu
lyq308152569的博客
07-27 1133
宿主机：Windows 10 教育版docker版本 :Docker Desktop V4.1.1。
WSL2安装Ubuntu
wq_0708的博客
03-12 1267
在WSL2中安装Ubuntu
windows，tensorflow2.15.o gpu
04-03
<think>嗯，用户想在Windows上安装TensorFlow 2.15.0并且启用GPU支持。首先我记得，根据引用[1]，TensorFlow从2.11开始就不再支持Windows的原生CUDA了。所以用户想安装的是2.15.0，这个版本肯定也不支持Windows原生环境下的GPU。那该怎么办呢？ 可能的解决方案有两个：一个是用WSL2，另一个是使用TensorFlow-DirectML-Plugin。不过DirectML可能兼容性有限，用户可能更倾向于WSL2的方案，因为引用[4]提到了如何在Windows上启用WSL和安装Ubuntu，这应该可以提供一个Linux环境来安装TensorFlow。 接下来，用户需要先开启WSL2。按照引用[4]的步骤，打开Windows功能里的“适用于Linux的Windows子系统”和“Hyper-V”。不过Hyper-V可能需要专业版的Windows，如果用户是家庭版，可能需要用其他方法，比如用Docker。不过用户可能更倾向于直接使用WSL2。 安装好WSL2之后，用户需要安装Ubuntu，然后在里面配置CUDA。但TensorFlow 2.15.0对应的CUDA版本是多少呢？可能需要查看官方文档，或者引用[3]提到的Python 3.9的兼容性，但引用[3]没有直接说明CUDA版本。这时候可能需要参考TensorFlow官网的测试配置，比如可能需要CUDA 11.8和cuDNN 8.6之类的。 然后用户需要在WSL2中安装NVIDIA驱动吗？根据我的了解，WSL2的GPU支持需要Windows上安装NVIDIA的驱动，然后在WSL2内部不需要单独安装驱动，只需要安装CUDA工具包。所以用户需要先在Windows上安装最新的NVIDIA驱动，然后在WSL2的Ubuntu中安装对应版本的CUDA和cuDNN。 接着，用户需要创建虚拟环境，比如用conda或者venv，确保Python版本是TensorFlow 2.15.0支持的，比如Python 3.9。安装TensorFlow的时候，可能需要指定版本，因为直接pip install tensorflow可能会安装最新版，而用户需要2.15.0。所以命令应该是pip install tensorflow==2.15.0。 安装完成后，验证GPU是否可用，可以通过导入tensorflow并调用tf.config.list_physical_devices('GPU')来检查。如果返回了GPU设备，说明安装成功。 另外，用户需要注意CUDA和cuDNN的版本是否匹配TensorFlow 2.15.0的需求。比如，可能需要CUDA 11.8和cuDNN 8.6，这需要用户到NVIDIA官网下载对应的版本，并正确配置环境变量。 最后，用户可能会遇到的常见问题包括驱动不兼容、CUDA版本不对、或者WSL2配置不正确。这时候需要引导用户检查各步骤，尤其是驱动安装和CUDA版本是否正确，以及WSL2是否正确启用了GPU支持。</think>### 分步解决方案 #### **步骤1：确认系统限制与替代方案** 根据TensorFlow官方说明，从2.11版本起，**Windows原生环境不再支持CUDA**，因此无法直接在Windows中安装TensorFlow 2.15.0的GPU版本[^1]。此时需选择以下两种替代方案： 1. **通过WSL2安装Linux子系统**：在WSL2中运行Ubuntu并安装TensorFlow-GPU。 2. **使用TensorFlow-DirectML-Plugin**：通过DirectML实现GPU加速，但功能与性能受限[^1]。 以下以**WSL2方案**为例说明具体步骤。 --- #### **步骤2：配置WSL2环境** 1. **启用Windows功能**： - 打开控制面板 → 程序和功能 → 启用或关闭Windows功能。 - 勾选**适用于Linux的Windows子系统**和**虚拟机平台**（Hyper-V可选，但需系统支持）。 - 重启系统[^4]。 2. **安装Ubuntu子系统**： - 从Microsoft Store安装Ubuntu 20.04/22.04。 - 启动Ubuntu并完成初始化设置（创建用户名/密码）。 3. **更新Ubuntu软件包**： ```bash sudo apt update && sudo apt upgrade -y ``` --- #### **步骤3：安装NVIDIA驱动与CUDA工具包** 1. **Windows端安装NVIDIA驱动**： - 从[NVIDIA官网](https://www.nvidia.com/Download/index.aspx)下载最新驱动并安装。 2. **WSL2内安装CUDA工具包**： - 添加NVIDIA仓库并安装CUDA 11.8（需匹配TensorFlow 2.15.0）： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-11-8-local_11.8.0-1_amd64.deb sudo cp /var/cuda-repo-wsl-ubuntu-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt update sudo apt install cuda-toolkit-11-8 ``` 3. **验证CUDA安装**： ```bash nvcc --version # 应显示CUDA 11.8 ``` --- #### **步骤4：安装TensorFlow 2.15.0** 1. **创建Python虚拟环境**（推荐使用`conda`或`venv`）： ```bash sudo apt install python3.9 python3.9-venv python3.9 -m venv tf-env source tf-env/bin/activate ``` 2. **安装TensorFlow**： ```bash pip install tensorflow==2.15.0 ``` 3. **验证GPU支持**： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # 应输出GPU设备信息 ``` --- #### **步骤5：常见问题排查** 1. **CUDA版本不匹配**： - TensorFlow 2.15.0要求CUDA 11.8和cuDNN 8.6，需严格匹配[^3]。 - 若安装其他版本，需调整CUDA仓库地址。 2. **WSL2无法识别GPU**： - 确保Windows已安装最新NVIDIA驱动。 - 在WSL2中运行`nvidia-smi`，若报错则检查驱动兼容性。 --- ###
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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