WSL：修订间差异

2023年7月6日 (四) 01:25的最新版本

WSL，是Windows Subsystem for Linux（适用于 Linux 的 Windows 子系统）的简称。可让直接在 Windows 上运行 GNU/Linux 程序，且比虚拟机开销小，速度快。

简介

时间轴

安装

Windows 10 版本 2004 及更高版本（内部版本 19041 及更高版本）可以直接安装：

wsl --install

了解更多 >> WSL 文档：安装 WSL

旧版安装

1. 启用WSL功能。以管理员身份打开 PowerShell 并运行以下命令，按照成功后重启系统：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

2. 更新到 WSL 2，如果不能更新则需升级系统。首先启用虚拟机功能，以管理员身份打开 PowerShell 并运行：

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

然后下载WSL的Linux 内核更新包并安装。接下来设置WSL 2 设置为默认版本，打开PowerShell输入如下命令：

wsl --set-default-version 2

3. 安装 Linux 分发版。打开Microsoft Store，选择并安装。更多分发版见官网安装文档。

4. 安装Windows 终端，使用更方便。

了解更多 >> WSL 文档：安装 WSL 1 与更新到 WSL 2

WSL命令

名称	描述	示例


卸载	`wsl --unregister <版本名称>` <版本名称>可以通过`wsl --list`查看，如`wsl --unregister Ubuntu`，`wsl --unregister Ubuntu-20.04`

了解更多 >> WSL 文档：WSL 的基本命令

移动到其他盘

先安装好一个WSL系统，如Ubuntu-22.04，导出再导入即可：

# 停止运行
wsl --shutdown

# 导出该系统到文件
wsl --export Ubuntu-22.04 D:\temp\Ubuntu-22.04.tar

# 注销卸载原来的系统
wsl --unregister Ubuntu-22.04

# 指定位置，并导入系统
wsl --import Ubuntu-22.04 D:\ubuntu-22.04\ D:\temp\Ubuntu-22.04.tar

默认情况下，使用 --import 时，总是作为根用户启动。可以在系统内/etc/wsl.conf指定原来的用户名（示例yourname）默认启动。

# 主机上运行Ubuntu-22.04
wsl -d ubuntu-22.04

# 在buntu-22.04系统内，设置默认启动用户为yourname
echo -e "[user]\ndefault=你的用户名" >> /etc/wsl.conf

# 主机上关闭正在运行的虚拟机
wsl --shutdown Ubuntu-22.04

使用GPU

WLS中使用

在 WSL 2 设置NVIDIA CUDA ：

1.在Windows上安装 NVIDIA 驱动程序：https://www.nvidia.com/Download/index.aspx 。安装后在Windows和WSL中输入nvidia-smi，检查是否安装成功。注意，不要在 WSL 中安装任何 Linux 显示驱动程序。

2.安装CUDA Toolkit，首先，删除旧的 GPG 密钥：sudo apt-key del 7fa2af80 ，按照页面安装CUDA Toolkit，该本地安装包不含驱动： https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local

Docker中使用

在Docker中使用，只需要Windows安装好NVIDIA 驱动程序即可。

使用TensorFlow测试GPU是否可用

docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
   python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"

资源

官网

WSL 文档：https://docs.microsoft.com/zh-cn/windows/wsl/
WSL 源代码：https://github.com/microsoft/WSL

@@ 第80行： / 第80行： @@
 ==使用GPU==
-===Docker 设置 NVIDIA CUDA ===
-在 WSL 2 设置CUDA
+=== WLS中使用 ===
+在 WSL 2 设置NVIDIA  CUDA ：
 *1.在Windows上安装 NVIDIA 驱动程序：https://www.nvidia.com/Download/index.aspx 。安装后在Windows和WSL中输入<code>nvidia-smi</code>，检查是否安装成功。 注意，不要在 WSL 中安装任何 Linux 显示驱动程序。
-*2.
+*2.安装CUDA Toolkit， 首先，删除旧的 GPG 密钥：<code>sudo apt-key del 7fa2af80</code> ，按照页面安装CUDA Toolkit，该本地安装包不含驱动： https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local
+=== Docker中使用 ===
+在Docker中使用，只需要Windows安装好NVIDIA 驱动程序即可。
+使用[[TensorFlow]]测试GPU是否可用
+<syntaxhighlight lang="bash" >
+docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
+   python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"
+</syntaxhighlight>
 {{了解更多
 |[https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/gpu-compute WSL 文档：WSL 中 ML 的 GPU 加速入门]
+|[https://www.tensorflow.org/install/docker TensorFlow 文档：安装/Docker ]
+|[https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html  Nvidia 文档：NVIDIA Container Toolkit 安装]
 |[https://developer.nvidia.com/cuda/wsl Nvidia 文档：CUDA on WSL]
 |[https://docs.nvidia.com/cuda/wsl-user-guide/index.html Nvidia 文档： WSL2 上的 CUDA 用户指南]
+|[https://docs.nvidia.com/ai-enterprise/deployment-guide-vmware/0.1.0/docker.html  NVIDIA GPU 安装 Docker 和 Docker Utility Engine ]
+|[https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html Nvidia 文档：Linux上安装NVIDIA CUDA]
 }}