Windows上构建大模型开发环境：WSL2与Ubuntu22.04配置指南

1. 准备工作：检查Windows版本与硬件

确保你的Windows 10/11是64位，版本号不低于2004（Build 19041）或Windows 11。CPU必须支持并开启虚拟化（BIOS中启用VT-x/AMD-V）。至少16GB内存，推荐32GB以上；NVIDIA显卡（GTX 10系以上）且驱动已更新到最新。

2. 启用WSL2和虚拟机平台

以管理员身份打开PowerShell或命令提示符，执行以下命令：dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestartdism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart完成后重启电脑。

3. 安装WSL2内核更新包

下载并安装WSL2 Linux内核更新包：https://aka.ms/wsl2kernel。安装后，在PowerShell中运行：wsl --set-default-version 2

4. 安装Ubuntu22.04

打开Microsoft Store，搜索“Ubuntu 22.04.3 LTS”并安装。或使用命令行：wsl --install -d Ubuntu-22.04首次启动会要求创建用户名和密码，请牢记。

5. 更新系统与安装基础工具

进入Ubuntu终端，执行：sudo apt update && sudo apt upgrade -ysudo apt install build-essential gcc make -y

6. 安装NVIDIA驱动（Windows端）与WSL2 CUDA支持

在Windows下安装NVIDIA驱动（版本525.60.13以上）后，WSL2会自动继承该驱动。无需在Linux内额外安装显卡驱动！但需要安装CUDA Toolkit以便编译和运行CUDA程序。

7. 安装CUDA Toolkit（WSL2专用版本）

访问NVIDIA官网，选择CUDA安装WSL2的对应指南。推荐使用deb网络安装方式：wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.debsudo dpkg -i cuda-keyring_1.1-1_all.debsudo apt updatesudo apt install cuda -y安装后添加环境变量到~/.bashrc：export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH执行source ~/.bashrc并验证nvcc -V。

8. 安装cuDNN（可选但推荐）

下载cuDNN（需注册NVIDIA账号），选择与CUDA匹配的版本。解压后复制到cuda目录：tar -xzvf cudnn-linux-x86_64-8.x.x.x_cuda11-archive.tar.xzsudo cp cudnn--archive/include/cudnn.h /usr/local/cuda/includesudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

9. 安装Miniconda（Python环境管理）

下载Miniconda安装脚本：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh按提示完成，并重启终端或source ~/.bashrc。

10. 创建大模型开发虚拟环境

conda create -n llm python=3.10 -y conda activate llm

11. 安装PyTorch（CUDA版）

根据PyTorch官网选择对应CUDA版本的命令。例如CUDA 12.1：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121测试GPU是否可用：python -c "import torch; print(torch.cuda.is_available())" 应输出True。

12. 安装Hugging Face Transformers库

pip install transformers datasets accelerate可下载一个小型模型测试：python -c "from transformers import pipeline; print(pipeline("sentiment-analysis")("I love WSL2!"))"

13. 进阶：安装Docker with GPU支持（可选）

若需要使用容器化开发，可安装Docker Desktop并启用WSL2后端，然后在Ubuntu内安装nvidia-container-toolkit。

14. 总结与常见问题

至此，你已经完成了Ubuntu22.04配置大模型环境的全部步骤。现在可以在WSL2中愉快地运行LLaMA、ChatGLM等大模型了。如果遇到CUDA不可用，请检查Windows驱动版本和WSL2内核更新。希望这份WSL2安装教程能帮助你在Windows上顺利开启大模型探索之旅！

—— 全文完 ——