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

3. 安装Ubuntu22.04

可以从Microsoft Store搜索“Ubuntu 22.04”并安装，或者使用命令行：wsl --install -d Ubuntu-22.04。安装完成后启动，会提示设置用户名和密码。

4. 初始配置与更新

进入Ubuntu终端后，首先更新软件包：

sudo apt update && sudo apt upgrade -y

5. 安装NVIDIA驱动与CUDA（核心步骤）

如果你有NVIDIA显卡并想在WSL2中使用GPU进行加速，需要在Windows端安装NVIDIA驱动（包含WSL2支持）。访问NVIDIA官网下载驱动（版本525.60.13以上）。安装后，在Ubuntu中无需再安装CUDA驱动，但需要安装CUDA Toolkit。建议使用以下命令：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-wsl-ubuntu-12-1-local_12.1.0-1_amd64.debsudo dpkg -i cuda-repo-wsl-ubuntu-12-1-local_12.1.0-1_amd64.debsudo cp /var/cuda-repo-wsl-ubuntu-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/sudo apt-get updatesudo apt-get -y install cuda

安装完成后，配置环境变量，编辑~/.bashrc，添加：

export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后执行source ~/.bashrc。验证CUDA安装：nvcc --version。这是CUDA安装的关键步骤。

6. 安装Python与Miniconda

为了管理Python环境，推荐安装Miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh

按提示完成安装，并重新打开终端或source ~/.bashrc。然后创建大模型开发环境：conda create -n llm python=3.10 -y，并激活：conda activate llm。

7. 安装深度学习框架（以PyTorch为例）

在激活的环境中，安装支持CUDA的PyTorch：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意选择与CUDA版本匹配的版本。安装后测试GPU可用性：

python -c "import torch; print(torch.cuda.is_available())"

如果输出True，说明你的大模型开发环境已具备GPU加速能力。

8. 验证与下一步

至此，你已经成功在Windows上通过WSL2+Ubuntu22.04搭建了一套完整的大模型开发环境。你可以开始克隆大模型仓库（如LLaMA、ChatGLM等），进行微调或推理实验。如果在配置过程中遇到问题，欢迎在评论区交流。

本文关键词：大模型开发环境、WSL2配置、Ubuntu22.04、CUDA安装