WSL2 深度学习环境搭建：Windows 的 Linux 快乐（完整命令）

深度学习生态（Docker、vLLM、各种 Linux-only 工具）基本都在 Linux 上跑，而 Windows 上的 WSL2 就是"不用装双系统的 Linux"。这篇从安装到把 PyTorch GPU 环境跑通，命令全部完整可复制。

前言

很多 AI 工具（Docker 容器、vLLM 推理、某些训练框架）只提供 Linux 版本，Windows 用户要么装双系统、要么用虚拟机——都麻烦。微软的 WSL2 解决了这个问题：Windows 里直接跑一个"真 Linux"，共享文件、共享显卡，还不用重启切换系统。

我现在的日常就是：Windows 写代码，WSL 里跑训练和推理，两边无缝衔接。这篇把从零搭建 WSL2 深度学习环境的完整命令列出来，照着敲就行。

一、WSL2 是什么（先搞清概念）

• WSL2 = Windows Subsystem for Linux 2，Windows 内置的轻量 Linux 虚拟机；
• 相比 WSL1（翻译层），WSL2 有真正的 Linux 内核，兼容性最好；
• 关键能力：GPU 直通（N 卡驱动装好后，WSL 里能用 CUDA）、Docker 原生支持。

一句话：Windows 里装了个跑得飞快的 Linux，还能用显卡。

二、安装（三条命令）

管理员 PowerShell 里执行：

# 1. 启用 WSL 并安装默认发行版（Ubuntu）
wsl --install

# 2. 确保用 WSL2（不是老版 WSL1）
wsl --set-default-version 2

# 3. 查看发行版和版本号（VERSION 列应为 2）
wsl -l -v

装完重启电脑，第一次打开 Ubuntu 会让你设置用户名和密码。如果 wsl -l -v 显示 VERSION 是 1，用 wsl --set-version Ubuntu 2 升级。

三、装完第一步：换源 + 基础工具（不然慢到哭）

进入 WSL（终端敲 wsl 或直接开 Ubuntu 应用），先换清华源加速 apt：

# 备份原源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 把官方源换成清华源（Ubuntu 24.04 的 sources 在 /etc/apt/sources.list.d/ubuntu.sources，两处都处理）
sudo sed -i 's@//.*archive.ubuntu.com@//mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list 2>/dev/null
sudo sed -i 's@//.*archive.ubuntu.com@//mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list.d/ubuntu.sources 2>/dev/null

# 更新并装基础工具
sudo apt update && sudo apt install -y build-essential git curl wget

Windows 和 WSL 文件互访（重点）：

# WSL 里访问 Windows 文件：挂载在 /mnt/c/ 下
ls /mnt/c/Users/你的用户名/

# Windows 里访问 WSL 文件：资源管理器地址栏输入
# \\wsl$\Ubuntu\home\你的用户名

四、深度学习环境（conda + PyTorch GPU）

在 WSL 里装 Miniconda（和 Windows 里的 conda 互不干扰，两个环境并存）：

# 1. 下载并安装 Miniconda（清华镜像）
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b
echo 'export PATH=$HOME/miniconda3/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

# 2. 建环境装 PyTorch（CUDA 版）
conda create -n dl python=3.10 -y
conda activate dl
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

# 3. 验证 GPU 是否可用（关键一步）
nvidia-smi
python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

看到 True NVIDIA GeForce ... 就成功了。前提：Windows 上已装好 N 卡驱动（WSL 共享 Windows 的驱动，不用在 WSL 里重装）。

运行验证：nvidia-smi 在 WSL 里能显示显卡（NVIDIA GeForce GTX 1650 等）；python -c "import torch; print(torch.cuda.is_available())" 输出 True——GPU 直通生效。若 nvidia-smi 报错，先在 Windows 更新显卡驱动再重开 WSL。

五、WSL2 的实战优势（为什么值得搭）

1. Docker 原生跑 Linux 容器：装好 Docker Desktop（设置里勾选 WSL2 后端），docker run 直接跑 Linux 镜像——《Docker 容器化实战》的 Docker 教程在这里体验最佳；
2. Linux-only 工具：vLLM、某些训练脚本、llama.cpp 等，Windows 跑不动或难装的，WSL 里一条命令；
3. 文件系统隔离：训练项目放 WSL 的 ~/ 下（Linux 原生文件系统），比放 /mnt/c 快很多；
4. 随时关：不用了 wsl --shutdown 释放内存，Windows 照常用。

六、常见坑

坑	解决
WSL 占内存太多	在 C:\Users\你的用户名\.wslconfig 里限制：[wsl2] + memory=8GB + processors=4，保存后 wsl --shutdown 生效
在 /mnt/c 下跑训练特别慢	训练项目放 Linux 家目录（~/），别放 Windows 盘挂载点
nvidia-smi 报错	升级 Windows 显卡驱动到最新（WSL GPU 支持需要新版驱动）
端口冲突	WSL 和 Windows 共享 localhost，服务端口别冲突
想换发行版	wsl --install -d Debian 等；多发行版共存
磁盘被 WSL 占满	wsl --shutdown 后 Windows 的 VHD 文件会自动压缩；或迁移到其他盘

七、总结

• 一句话：WSL2 = Windows 里的真 Linux + GPU 直通 + Docker 支持，深度学习工具链全兼容；
• 建议工作流：Windows 管日常（Obsidian/VS Code），WSL 管训练推理（conda/Docker）；
• 接单角度：帮客户在 Windows 机器上搭 WSL2 环境跑 Linux-only 工具，是常见且好报价的小活。

觉得有用点个赞收藏，有问题评论区见，看到都会回。