Win11系统安装WSL2(Linux子系统)、安装GIT、安装miniconda、安装Pytorch、安装Docker等

Win11系统安装WSL2

先决条件

1、必须运行 Windows 10 版本 2004 及更高版本（内部版本 19041 及更高版本）或 Windows 11 才能使用以下命令。

2、CPU启用虚拟化，如果没有启用可以百度一下主板BIOS如何启用CPU虚拟化支持。

3、启用WSL功能

重启一下电脑

安装Linux子系统

设置WSL2为默认版本

使用“wsl.exe --list --online' ”列出可用的分发

和 “wsl.exe --install <Distro>” 进行安装。

#查看WSl版本号和内核
wsl --version
wsl --status
# 更新 WSL 内核（重要！）
wsl --update
#设置WSL2为默认版本
wsl --set-default-version 2
#列出可以安装的linux版本
wsl.exe --list --online
#安装linux子系统 需要科学上网，否则网速很慢
wsl.exe --install Ubuntu-24.04
#启动进入linux子系统 设置默认账号密码
wsl -d Ubuntu-24.04
#设置启动用户默认为root
sudo vi /etc/wsl.conf
#输入以下内容，或者将原来的默认用户改为root
[user]
default=root
#重启wsl2
exit
wsl --shutdown
wsl -d Ubuntu-24.04

修改默认安装目录

如果你希望将 WSL 的安装目录迁移到其他盘符，可以按照以下步骤操作：

查看 WSL 发行版本：
```
1wsl -l --all -v
```

导出分发版为 tar 文件到 D 盘：

wsl --export Ubuntu-24.04 D:\02soft\wsl\ubuntu24.04.tar

注销当前分发版：
```
wsl --unregister Ubuntu-24.04
```

重新导入并安装 WSL 到 D 盘：

wsl --import Ubuntu-24.04 D:\02soft\wsl\ubuntu2404 D:\02soft\wsl\ubuntu24.04.tar --version 2

设置默认登录用户为安装时的用户名：

ubuntu2404 config --default-user Username

验证安装

wsl -l -v
# 应显示已安装的发行版和WSL版本

设置WSL2 ubuntu子系统开机自动启动

win+R 输入 taskschd.msc ，点击创建任务，注意不是创建基本任务。

常规选项卡设置如下：

触发器选项卡设置如下：

操作选项卡设置如下：其中-d后面的Ubuntu-24.04为我安装的ubuntu版本，可以按需替换成其他想要开机启动的已经安装的版本

条件选项卡设置如下：

设置选项卡设置如下：

安装 Git

选择国内镜像源下载安装包

国内多所高校和企业提供了 Git 安装包的镜像服务，下载速度远超国际源：

中科大镜像源：https://mirrors.ustc.edu.cn/git/
清华大学镜像源：https://mirrors.tuna.tsinghua.edu.cn/git/
阿里云镜像源：https://registry.npmmirror.com/binary.html?path=git-for-windows/
码云 (Gitee) 镜像：https://gitee.com/mirrors/git-for-windows

推荐优先使用阿里云或中科大镜像，更新频率高且下载稳定。

1.2 各系统安装步骤

Windows 系统安装：

从上述镜像站下载最新版 Git for Windows（如 Git-2.42.0.2-64-bit.exe）
双击安装包，建议修改安装路径到非系统盘（如 D:\Environment\Git）
安装时勾选"Add Git to PATH"选项以便全局使用
完成安装后验证：git --version

Linux 系统安装（以 Ubuntu 为例）：

# 临时替换为清华源
sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
# 更新源并安装 Git
sudo apt update && sudo apt install git
安装完成后验证版本：
git --version

安装 Miniconda

尽量下载最新版安装，截止2026年5月1日清华 TUNA 镜像站最新版为Miniconda3-py313_26.3.2-2-Windows-x86_64.exe 我这边安装的就是这个

推荐下载地址清单

🌟 清华 TUNA 镜像站

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

支持：

- Miniconda3-latest-Windows-x86_64.exe

- Miniconda3-latest-Linux-x86_64.sh

- Miniconda3-latest-MacOSX-x86_64.sh

- ARM 版本也有（M1/M2 芯片可用）

🌟 中科大 LUG 镜像站

https://mirrors.ustc.edu.cn/anaconda/miniconda/

同样完整同步，访问速度快，尤其适合南方电信用户。

🌟 阿里云镜像

https://mirrors.aliyun.com/anaconda/miniconda/

#Liunux 下载 Miniconda
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 按照提示完成安装，然后重启终端或执行
source ~/.bashrc

# 创建不同 Python 版本的环境
conda create -n py311 python=3.11
conda create -n py312 python=3.12

# 激活特定环境
conda activate py311
# 或
conda activate py312

配置conda虚拟环境和包的存放目录

#清空现有配置
conda config --remove-key envs_dirs
conda config --remove-key pkgs_dirs
#重新配置
#D:\04data\conda\.conda\envs
# D:\04data\conda\.conda\pkgs 这个2个文件夹最后提前创建好
C:\Users\73277>conda config --add envs_dirs D:\04data\conda\.conda\envs

C:\Users\73277>conda config --add pkgs_dirs D:\04data\conda\.conda\pkgs
#验证配置
conda config --show envs_dirs
conda config --show pkgs_dirs
#执行后，再用 conda config --show 检查，你应该会看到 D 盘路径出现在列表的最前面。当创建新环境时，Conda 会优先使用这个最先列出的路径。

为 Miniconda 配置国内镜像源的方法：

🛠️ 方法一：使用 conda config 命令（推荐）

# 删除有问题的配置文件
del C:\Users\73277\.condarc
# 添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 设置为最高优先级
conda config --set channel_priority strict

# 显示当前配置
conda config --show channels

🛠️ 方法二：手动创建 .condarc 配置文件

# 创建或编辑 .condarc 文件

vi ~/.condarc

将以下内容复制到 .condarc 文件中：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
channel_priority: strict
ssl_verify: false

🛠️ 方法三：其他国内镜像源选项

清华大学镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

中科大镜像源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

阿里云镜像源

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/

华为云镜像源

conda config --add channels https://mirrors.huaweicloud.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.huaweicloud.com/anaconda/pkgs/free/

🧪 验证配置

1# 查看当前配置
conda config --show channels
3
4# 查看 conda 信息
conda info
6
7# 测试更新
conda update conda

接受conda服务条款

# 逐一接受各个频道的服务条款
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

安装Docker

在linux子系统中安装docker

# 在 Ubuntu-24.04 中执行
sudo su - root
sudo apt update && sudo apt install docker.io -y
sudo usermod -aG docker $USER
exec newgrp docker  # 刷新组权限
apt install -y ssh
systemctl enable ssh --now
#配置docker镜像加速
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://cyzzkyky.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
#测试镜像
#docker pull swr.cn-southwest-2.myhuaweicloud.com/tools/alpine:3.9.4
docker run swr.cn-southwest-2.myhuaweicloud.com/tools/alpine:3.9.4

windows显卡驱动安装

根据显卡型号和对应系统下载驱动进行安装。

驱动下载地址：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

CUDA Toolkit下载地址：CUDA Toolkit Archive | NVIDIA Developer

linux子系统显卡驱动安装

#第一种安装方式.原生ubuntu系统中安装
apt update
apt upgrade -y
#安装网卡驱动，我的网卡是R8125
apt install r8125-dkms
在nvidia官网下载linux驱动。选择专用
apt install gcc make libglvnd-dev pkg-config
#或者直接安装
ubuntu-drvices autoinstall
#bash 下载的驱动文件进行安装
bash NVIDIA-Linux-x86_64-595.71.05.run 
选择专用
#第二种安装方式
# 1. 安装 WSL2 专用的 NVIDIA 驱动（使用最高版本）
sudo apt update && sudo apt install nvidia-utils-595 -y

# 2. 验证是否安装成功
nvidia-smi 
输入如下，代表安装成功。
nvidia-smi
Thu Apr 30 23:01:43 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 595.58.03              Driver Version: 591.44         CUDA Version: 13.1     |
+-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 5060 Ti     On  |   00000000:02:00.0  On |                  N/A |
|  0%   26C    P8              7W /  180W |    1981MiB /  16311MiB |      2%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+
root@DESKTOP-8ID4GOA:~#

安装 Docker GPU 支持

在 Ubuntu-24.04 中继续执行：

# 1. 安装 NVIDIA Container Toolkit
wget https://github.com/NVIDIA/nvidia-container-toolkit/releases/download/v1.19.0/nvidia-container-toolkit_1.19.0_deb_amd64.tar.gz
tar -zxvf nvidia-container-toolkit_1.17.3_deb_amd64.tar.gz
cd release-v1.19.0-stable/packages/ubuntu18.04/amd64
sudo dpkg -i *.deb

# 3. 安装并配置
sudo apt update
sudo apt install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker

# 4. 重启 Docker
sudo systemctl restart docker

# 5. 测试 GPU 容器（）
sudo docker pull swr.cn-southwest-2.myhuaweicloud.com/wufurong/cuda:13.0.2-base-ubuntu24.04
sudo docker tag swr.cn-southwest-2.myhuaweicloud.com/wufurong/cuda:13.0.2-base-ubuntu24.04 nvidia/cuda:13.0.2-base-ubuntu24.04

sudo docker run --rm --gpus all nvidia/cuda:13.0.2-base-ubuntu24.04 nvidia-smi
#提前下载好需要使用的镜像
sudo docker pull swr.cn-southwest-2.myhuaweicloud.com/wufurong/cuda:13.0.2-devel-ubuntu24.04
sudo docker tag swr.cn-southwest-2.myhuaweicloud.com/wufurong/cuda:13.0.2-devel-ubuntu24.04 nvidia/cuda:13.0.2-devel-ubuntu24.04

安装totrch

#这个命令下载很慢
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu128
#50系列卡推荐安装
pip3 install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu130
#可以使用下面这种方式下载安装
#可以将whl文件下载到本地通过pip install *.whl进行安装，[推荐使用这个方式]
访问https://mirrors.aliyun.com/pytorch-wheels/cu128/ 下载以下3个文件
torch-2.10.0+cu128-cp310-cp310-win_amd64.whl
torchaudio-2.10.0+cu128-cp310-cp310-win_amd64.whl
torchvision-0.25.0+cu128-cp310-cp310-win_amd64.whl
#我将这3个文件下载到了项目目录同级的torch目录中
#然后执行pip install 安装
pip install D:/08pythonproject/torch/torch-2.10.0+cu128-cp310-cp310-win_amd64.whl D:/08pythonproject/torch/torchaudio-2.10.0+cu128-cp310-cp310-win_amd64.whl D:/08pythonproject/torch/torchvision-0.25.0+cu128-cp310-cp310-win_amd64.whl

安装CUDA[这个可以先不安装，如果相关项目使用时提示需要安装CUDA再进行安装]

参考文档显卡驱动、CUDA、NVIDIA Container Toolkit 内网离线安装教程-阿里云开发者社区

wget https://developer.download.nvidia.com/compute/cuda/12.4.1/local_installers/cuda_12.4.1_550.54.15_linux.run
sudo sh cuda_12.4.1_550.54.15_linux.run

注意: 安装过程中若提示是否安装驱动，若已完成驱动安装，请选择不安装。

配置环境变量

sudo vi ~/.bashrc

在文件末尾添加：

export PATH="/usr/local/cuda-12.4/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH"

使配置生效：

source ~/.bashrc
验证安装

nvcc -V
命令成功输出CUDA编译器版本信息即表示安装成功。

一键验证脚本

创建一个验证脚本，在 Ubuntu-24.04 中运行：

cat << 'EOF' > gpu_test.sh
#!/bin/bash
echo "=== 1. 主机 GPU 信息 ==="
nvidia-smi || echo "❌ 主机 nvidia-smi 失败"

echo -e "\n=== 2. Docker GPU 测试 ==="
sudo docker run --rm --gpus all nvidia/cuda:13.0.2-base-ubuntu24.04 nvidia-smi || echo "❌ Docker GPU 测试失败"

echo -e "\n=== 3. CUDA Python 测试 ==="
sudo docker run --rm --gpus all nvidia/cuda:13.0.2-devel-ubuntu24.04 python3 -c "
import torch
print(f'PyTorch CUDA: {torch.cuda.is_available()}')
print(f'CUDA devices: {torch.cuda.device_count()}')
"
EOF

chmod +x gpu_test.sh
./gpu_test.sh

安装Docker Desktop【可选】

下载地址Get Started | Docker

菜单

Win11系统安装WSL2(Linux子系统)、安装GIT、安装miniconda、安装Pytorch、安装Docker等