WSL-Podman环境全攻略（Fedora Linux下CUDA 13.0、cuDNN 9.14与PyTorch 2.10深度学习环境安装教程）

在当前的深度学习开发中，利用 Windows Subsystem for Linux (WSL) 结合 Podman 容器化技术已成为一种高效且主流的选择。本文将详细指导你如何在 WSL Podman CUDA 环境下，为 Fedora Linux 系统配置最新的深度学习工具链。本教程涵盖了从 Anaconda 2025 安装 到 PyTorch 2.10 GPU 配置 的全过程，即使是小白也能轻松上手。

一、环境准备与系统更新

首先，确保你的宿主机已安装最新的 NVIDIA 驱动。在 Fedora Linux (podman-machine-default) 终端中，我们首先需要同步软件源并更新系统软件包：

    sudo dnf update -ysudo dnf install -y kernel-devel kernel-headers gcc g++ make  

二、安装 CUDA 13.0 Toolkit

Fedora Linux 深度学习 环境的核心在于 CUDA 的正确配置。请前往 NVIDIA 官网获取适用于 Fedora 的 CUDA 13.0 安装包：

    # 示例：使用本地安装程序安装sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/fedora39/x86_64/cuda-fedora39.reposudo dnf clean allsudo dnf -y install cuda-toolkit-13-0  

安装完成后，请务必将 CUDA 路径添加到环境变量中（编辑 ~/.bashrc）：

    export PATH=/usr/local/cuda-13.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-13.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}  

三、部署 cuDNN 9.14

下载对应 CUDA 13.0 的 cuDNN 9.14 压缩包。解压并移动相关库文件至 CUDA 目录：

    sudo cp -P cudnn-linux-x86_64-9.14.* /usr/local/cuda-13.0/include/sudo cp -P cudnn-linux-x86_64-9.14.*/lib/libcudnn* /usr/local/cuda-13.0/lib64/sudo chmod a+r /usr/local/cuda-13.0/include/cudnn*.h /usr/local/cuda-13.0/lib64/libcudnn*  

四、安装 Anaconda 2025.06

Anaconda 2025 安装 能够极大简化 Python 包管理。下载安装脚本后执行：

    bash Anaconda3-2025.06-Linux-x86_64.sh# 按照提示输入 yes 并重启终端  

五、安装 PyTorch 2.10 并验证

最后，我们创建一个专门的虚拟环境进行 PyTorch 2.10 GPU 配置：

    conda create -n torch210 python=3.11conda activate torch210pip install torch==2.10 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130  

验证安装是否成功，在 Python 环境中输入：

    import torchprint(f"CUDA可用性: {torch.cuda.is_available()}")print(f"当前GPU设备: {torch.cuda.get_device_name(0)}")  

总结：通过以上步骤，你已经在 WSL-Podman 的 Fedora 容器中成功搭建了最前沿的深度学习环境。快开始你的 AI 开发之旅吧！