【AI训练环境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境
一、安装Ubuntu
拿到该文件Ubuntu-22.04.tar
通过wsl导入该虚拟机镜像，然后查看wsl虚拟机列表。
wsl --import Ubuntu-22.04-tensorflow D:\wsl-data\Ubuntu-22.04-tensorflow D:\wsl-data\temp\Ubuntu-22.04.tarwsl -l
进入虚拟机
wsl -d Ubuntu-22.04-tensorflow
二、Ubuntu安装anaconda
1. 复制下载链接
点此链接进入官网，右键复制链接，这是我复制到此链接（https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh）
Download Now | Anaconda
2.通过wget下载anaconda
命令格式：wget [上面复制的xx.sh链接]
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
下载完成
3.安装anaconda
执行安装命令，按回车健Enter确认安装
sh Anaconda3-2024.10-1-Linux-x86_64.sh
此时，按Page Down翻页快速阅读协议条款
输入yes同意协议条款
继续再按回车健Enter确认安装到/root/anaconda3，如果你想安装到其它目录可以直接输入（不过一般情况下不需要去改）
确认启动时更新和初始化
注意，此时运行conda -V提示没有conda命令，你只需要关闭cmd窗口再进入到unbuntu即可，如果你使用的是windows11，这里也会有快捷进入unbuntu的入口
再次验证conda -V，会输出版本号
至此，anaconda安装成功。
三、安装显卡驱动
注意，不需要再再wsl-ubuntu上安装显卡驱动，只需要你的windows上安装好就行，直接运行nvidia-smi即可验证
由于第一次尝试和第二次尝试都失败了，若要快速搭建吗，可直接跳转至第六章节，你只需要注意添加conda清华源就行了。
四、【失败】第一次尝试：创建Conda+TensorFlow+GPU环境
1. 创建新的conda环境
conda环境名称为t1，python版本为3.10
conda create -n t1 python=3.10
2. 进入刚创建conda环境：t1
conda activate t1
3. 安装cudatoolkit和cudnn
安装cudatoolkit的11.2版本和cudnn的8.1版本
conda install cudatoolkit=11.2 cudnn=8.1
设置conda清华源
再来，可以下载了
4.安装tensorflow
安装tensorflow的2.10.0版本（因为pip源是单独控制的，所以这里临时指定）
pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple5. 安装tensorflow-gpu的2.10.0版本
pip install tensorflow-gpu==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple6 降低numpy的版本到1.22.4
pip install numpy==1.22.4 -i https://pypi.tuna.tsinghua.edu.cn/simple7. 使用GPU训练
1.克隆cnn-hello
git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/
2.运行cnn-hello-train.py
python cnn-hello-train.py
发现未调用GPU！由于以上是再windows跑通的，再ubuntu下没必要按这个版本，下面尝试重新创建一个conda环境，然后用比较新的版本。（原因也可以看看下面这个官方说明）
退出conda t1环境
conda deactivate
五、【失败】第二次尝试：创建Conda+TensorFlow+GPU环境（python 12）
1. 创建新的conda环境
conda环境名称为t2，这次我们使用python版本为3.12
conda create -n t2 python=3.12
2. 进入刚创建conda环境：t2
conda activate t23. 安装cudatoolkit和cudnn
conda install cudatoolkit=12.5
conda install cudnn=9.3
4.安装tensorflow
pip install tensorflow==2.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple5. 尝试使用GPU训练
六、【成功】第三次尝试：创建Conda+TensorFlow+GPU环境（python 12）
参阅了官网的教程，改进安装方案。
1.创建新的conda环境
conda create -n t4 python=3.12
2.安装tensorflow[and-cuda]
注意：此处的命令不仅仅是tensorflow，而多了一个[and-cuda]，意味着它会帮我们把cudatoolkit和cudnn自动装好。
pip install tensorflow[and-cuda]
3.验证GPU
执行该命令，可以看到成功加载到GPU。
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
七. 使用GPU训练速度体验
1.克隆cnn-hello
git clone https://gitee.com/fengyefly/cnn-hello
cd cnn-hello/2.运行cnn-hello-train.py
python cnn-hello-train.py
经验证，训练用时约13s，和我在windows上直接用conda安装的环境下，用时非常接近！
至此，已经完成在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU机器学习训练环境。感谢阅读！真材实料的实践分享，别忘记给个点赞哦👍。