通过 Win11 + WSL2 + CUDA + TensorFlow 打造深度学习开发环境，扩展 Mac 可能性

在 Windows 11 上构建深度学习开发环境：WSL2、CUDA 和 TensorFlow

安装和配置 WSL2

Windows Subsystem for Linux 2 (WSL2) 是在 Windows 系统上运行 Linux 环境的理想方法。启用 WSL2 后，安装您喜欢的 Linux 发行版，我们推荐 Ubuntu 22.04。

安装和配置 CUDA

CUDA 是一个并行计算平台，专门用于加速深度学习训练和推理。从 NVIDIA 网站下载适用于 WSL 的 CUDA Toolkit。按照安装程序提示进行安装，并确保将 CUDA bin 目录添加到系统 PATH 变量中。

安装和配置 TensorFlow

TensorFlow 是一个流行的深度学习框架，可让您轻松构建和训练复杂的神经网络模型。使用 pip 命令在您的 Linux 发行版中安装 TensorFlow-GPU：

pip install tensorflow-gpu

验证安装

使用以下命令验证 TensorFlow 安装：

python -c "import tensorflow as tf; print(tf.__version__)"`

连接到 Mac

如果您需要在 Mac 上访问 WSL 环境，可以使用 SSH。在 Mac 上安装 SSH，并在 WSL 中启用 SSH 服务器。获取 WSL 发行版的 IP 地址，然后使用以下命令从 Mac 连接到它：

ssh -p 2222 <WSL IP 地址>

代码示例

以下是一个使用 TensorFlow 构建简单神经网络的示例代码：

import tensorflow as tf

# 定义模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(10, activation='relu', input_shape=(784,)),
  tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=10)

# 评估模型
model.evaluate(x_test, y_test, verbose=2)

常见问题解答

• 如何在 WSL2 中使用 GPU 加速？
  确保已安装 CUDA 并将其添加到 PATH 变量中。
• 如何更新 WSL2 内核？
  在 Microsoft Store 中搜索“适用于 Linux 的 Windows 子系统”，选择“WSL2 Linux 内核更新”并安装。
• 如何解决 TensorFlow GPU 导入错误？
  检查 CUDA 是否已正确安装，并确保已使用 pip 安装 TensorFlow-GPU。
• 如何优化 WSL2 性能？
  增加 WSL2 的虚拟内存，并确保将 CUDA bin 目录添加到 PATH 变量中。
• 如何连接到其他 Linux 机器？
  使用 ssh 命令连接到其他 Linux 机器，就像连接到 WSL 一样。

结论

通过遵循本指南，您可以在 Windows 11 上构建一个功能强大的深度学习开发环境，利用 WSL2、CUDA 和 TensorFlow 的强大功能。该环境提供了跨平台开发的灵活性，使您能够在 Windows 和 Mac 之间无缝切换。探索高级自定义选项，以进一步提升您的开发体验。