Windows 11 AI 应用开发：WSL 2 与 CUDA 实战全指南

核心背景与原理解析

为什么选择 WSL 2 而非虚拟机？

驱动与 CUDA 的“二元分层”架构

• 宿主机 (Windows 11)：安装最新的 NVIDIA Windows 驱动。它作为“总管”，负责管理物理显卡的电压、风扇及核心读写。
• 子系统 (WSL 2 Ubuntu)：严禁安装 NVIDIA 驱动。你只需安装 CUDA Toolkit。它不包含驱动，只包含 AI 模型运行所需的数学库、编译器和 API 环境。

环境诊断与前置准备

开启虚拟环境并重启

核查WSL的版本和状态信息

• wsl --version

  POWERSHELL复制

  Code is loading

• wsl --status

  POWERSHELL复制

  Code is loading

  常见问题:

  常见提示内容	原因分析	解决建议
  “不支持虚拟化 / 启用 BIOS 虚拟化”	CPU 的硬件虚拟化开关在主板中被关闭。	重启进入 BIOS，找到 VT-x (Intel) 或 SVM (AMD) 并设为 Enabled

更新 WSL

💡 为什么要更新？ 最新的 WSL 版本通常通过 Microsoft Store 分发，支持更高效的内存回收、镜像网络模式以及在安装时指定路径的功能。

更新Nvidia GPU驱动

安装：Ubuntu 24.04 与资源配额

配置资源配额

如何打开 WSL 设置界面？

1. 从“开始”菜单打开：点击“开始”按钮，搜索 WSL 设置 或 WSL Settings。
2. 使用完整路径直接启动： 按 Win + R 键，输入以下路径并回车： C:\Program Files\WSL\wslsettings\wslsettings.exe

关键配置项说明

• 内存 (Memory)：限制 WSL 占用的最大内存（推荐保留 4-8GB 给宿主机）。
• 处理器 (Processors)：限制可调用的 CPU 核心数。
• 网络模式 (Networking Mode)：强烈建议选择 Mirrored (镜像)。这会让 WSL 共享 Windows 的 IP 地址，极大简化与 VMware 等外部虚拟机的互通。
• 自动回收内存 (Auto memory reclaim)：建议开启，当 Linux 内部闲置时会自动释放内存给 Windows。
• 存储与磁盘：可以勾选 Sparse VHD 以优化磁盘空间占用。

💡 提示：在 UI 中完成修改并点击“应用”后，通常会提示你重启 WSL。建议在 Windows 终端执行 wsl --shutdown 确保配置立即生效。

📘 官方参考指南：更多高级配置请参考 Microsoft WSL 全局设置官方文档。

安装 Ubuntu 24.04

⚠️ 避坑指南：如果你在安装时遇到“参数无法识别”或“Unknown key”等错误，通常是因为旧的 .wslconfig 配置文件中残留了不兼容或格式错误的项。建议在安装前清空该文件，转而使用前文提到的 WSL 设置界面 (UI) 进行可视化配置。

1. 设置 UNIX 用户名：输入你喜欢的用户名（建议全小写，如 verve）。该用户将作为你登录 Linux 系统的默认身份，并自动获得 sudo 管理员权限。
2. 设置 UNIX 密码：输入并确认密码。注意：在 Linux 终端输入密码时，屏幕不会显示任何字符（包括星号），这是正常的安全保护机制，盲打后回车即可。
3. 完成部署：看到 Installation successful! 提示以及熟悉的命令提示符（如 verve@MyMachine:~$）后，即代表环境已正式就绪，你可以开始在这个纯正的 Linux 环境中大展身手了。

查看已安装分发版的详细信息

1. 查看状态与版本：

   POWERSHELL复制

   Code is loading

   该命令会列出所有已安装的 Linux 发布版及其当前的运行状态（Running/Stopped）和 WSL 版本（应为 2）。

1. 定位硬盘文件 (VHDX) 位置： 如果你使用了 --location 参数，你的虚拟磁盘文件 ext4.vhdx 将位于你指定的目录下： F:\os\wsl\ext4.vhdx

   如果没有指定路径，默认路径通常在： %LOCALAPPDATA%\Packages\CanonicalGroupLimited.Ubuntu24.04LTS_...\LocalState\ext4.vhdx

2. 检查磁盘占用详情： 在 WSL 内部，你可以运行以下命令查看 Linux 文件系统的使用情况：

   BASH复制

   Code is loading

安装 CUDA Toolkit 部署模型应用

深度解析：nvidia-smi 的来源与原理

• 全称： NVIDIA System Management Interface (NVIDIA 系统管理接口)。它是 NVIDIA 官方提供的用于监控 GPU 利用率、显存消耗和核心频率的核心工具。
• “幽灵”来源： 你会发现你从未在 Ubuntu 里执行过安装，却能运行它。这是因为当 WSL 启动时，Windows 驱动程序会将自身的二进制接口（位于宿主机的 C 盘驱动目录）直接映射 (Project) 到子系统的 /usr/lib/wsl/lib/ 路径下，并由 WSL 自动配置到环境变量。
• 诊断准则：
  • 能看到表格： 意味着“宿主机驱动 -> WSL 内核 -> Linux 挂载点”这条 GPU 通道已经打通。
  • 显示“Command not found”： 说明环境变量或挂载失败，通常只需在 Windows 侧重启计算机或更新显卡驱动即可解决，严禁在 Ubuntu 内尝试手动安装 nvidia-driver 修复。

CUDA 12.6 生产级安装

💡 架构认知：CUDA 安装后不是一个持续运行的后台守护进程 (Daemon)。它是一套静态/动态链接库 (Libraries)、编译器 (Compiler) 和 运行时组件 (Runtime)。只有当你的 AI 应用（如 PyTorch）启动并调用显卡进行计算时，相关的 CUDA 函数才会被加载进内存。

验证安装：nvcc 与 nvidia-smi 的“两板斧”

1. nvcc -V：
   • 作用：检查 CUDA 编译器 (NVIDIA CUDA Compiler) 是否可用。
   • 预期：输出 release 12.6, V12.6.x。如果提示命令不存在，需手动将 /usr/local/cuda-12.6/bin 加入环境变量。
2. 区别认知：
   • nvidia-smi 看到的是驱动版本，证明显卡硬件通路正常。
   • nvcc 看到的是工具链版本，证明开发环境/运行产物正常。
3. PyTorch 端到端验证（终极测试）： 前两个命令只验证了底层工具链，而实际 AI 应用使用的是 PyTorch 对 CUDA 的封装。执行以下 Python 代码，才是真正的"端到端"通路验证：

   PYTHON复制

   Code is loading

WSL 运维：状态监控与资源动态调整

启动 (Start)

• 直接打开：在 Windows 搜索框输入 Ubuntu 或在终端输入 wsl 即可触发后台虚拟机秒级启动。
• 静默启动：如果你只是想让后台服务运行，输入 wsl --exec true 或通过 SSH 连接也会自动唤醒。

关闭 (Shutdown)

• 软关闭：退出所有 Linux 终端窗口，WSL 通常会在几分钟后自动进入休眠状态。
• 强制关闭 (最常用)：当你修改了 .wslconfig 或系统卡死时，使用： wsl --shutdown 注意：这将关闭所有运行中的 Linux 分发版。
• 针对性关闭：只关闭特定的系统（如 Ubuntu）： wsl --terminate Ubuntu-24.04

查看当前状态

• Running：正在运行中。
• Stopped：已完全释放内存，处于关机状态。

实时查看 WSL 内部状态

• 运行状态：在 Windows 终端执行 wsl --list --verbose。
• 物理消耗：Windows 任务管理器中的 vmmemWSL 进程是所有子系统的总内存占用。
• 存储空间：在 Ubuntu 内运行 df -h /。WSL 的虚拟磁盘 (.vhdx) 默认会自动扩容（上限通常为 1TB），你无需手动扩充磁盘，只需关注意磁盘物理剩余空间。

动态扩充资源

提示：WSL 2 支持 Memory Reclaim (内存回收) 技术，即 Linux 内部释放内存后，vmmem 进程在 Windows 侧的占用也会随之动态缩小。

总结