本次实践将在IDE（Pycharm或VSCode）上使用WSL2+Ubuntu22.04+Tensorflow+GPU进行机器学习训练。基本原理是在IDE中拉起WSL2中的Python解释器，并运行Python程序。要运行Conda+Tensorflow+GPU你可能需要进行以下准备工作。
- 此示例中将使用一个mnist数据集的tensorflow机器学习训练示例程序：枫叶/cnn-hello - 码云 - 开源中国， 也可以通过以下cmd命令进行提前克隆（需要安装git程序）。
bash
git clone https://gitee.com/fengyefly/cnn-hello2.查看此示例进行WSL2+Ubuntu22.04+Conda+Tensorflow+GPU机器学习训练环境搭建。
【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-CSDN博客
一、在Pycharm上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU进行机器学习训练
1.下载Pycharm 2025.1
点击去官网下载:Download PyCharm: The Python IDE for data science and web development by JetBrains
双击安装包，按自己的爱好安装即可，安装完成后打开PyCharm
2.新建WSL项目
打开Pycharm 2025.1，可以看到远程开发下有个WSL，选择它新建项目。
3.选择WSL实例
4.尝试打开WSL项目
5.选择IDE和项目目录
这里选择提前克隆的python程序（一个mnist数据集的tensorflow机器学习训练示例程序）
6.在WSL-Ubuntu上安装IDE
6.1 自动下载
照这个速度下载大约要1个多小时。不想等咱们就手动下载！
6.2 手动下载（可选）
点击以下官网下载链接，选择Linux => Download。
Download PyCharm: The Python IDE for data science and web development by JetBrains
浏览器下载速度也慢，此时我们鼠标右键-复制下载链接，然后通过其它下载工具下载（我用的迅雷，速度挺快3MB/s）。
下载完成后，返回到idea窗口，取消下载，按刚才的步骤进到这里，我们选择Upload installer file（这里界面变成英文的了，先不管，安装成功再说吧！）
选择刚才下载好的linux pycharm安装包，可以看到进度条很快到了Extracting ... archive，即进行解压安装的步骤了
WSL-Ubuntu上安装IDE成功后，如下所示，可点击蓝色项目路径进入项目
7.打开WSL项目
点击蓝色项目路径进入项目后，就是我们熟悉的IDE工作界面了，可以看到右下角是没有解释器的
8.配置解释器
点击选择 添加新的解释器 => 添加本地解释器
环境：选择现有；类型：Conda；环境：t4
9.运行Python程序
运行代码文件cnn-hello-train.py
可在Console看到运行结果
再看看我们PyCharm的许可证，我们目前还是试用期，一个月以后就需要购买正版了。（目前笔者还不知道免费版是否至此此功能，后续通过实践给大家献上答案）
至此，已经完成通过在Pycharm上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU进行机器学习训练，并运行了基于Python的机器学习训练程序（一个mnist数据集的tensorflow机器学习训练示例程序）。
感谢阅读！真材实料的实践分享，别忘记给个点赞哦👍。
下面将通过VSCode实现此能力。
二、在VSCode上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU进行机器学习训练
1.下载VSCode
可通过已经链接进行下载，安装包仅仅100MB，很快下载成功
Download Visual Studio Code - Mac, Linux, Windows
下载完成后，双击安装包，按自己的爱好安装即可，安装完成后打开VSCode
2.安装WSL插件
点击插件 => 搜索（WSL） => 选择WSL install
安装成功后可在VSCode顶部搜索框中输入以下命令
bash
>wsl然后选择执行WSL：Connect to WSL using Distro...
然后选择Ubuntu-22.04-tensorflow，然后等待右下角加载完成
3.打开项目
选择提前克隆的python程序（一个mnist数据集的tensorflow机器学习训练示例程序）
信任此文件夹
4.安装Python Debugger插件
安装该插件：Python Debugger
5.选择Python解释器
进入选择解释器配置
选择名为t4的conda环境
6.运行Python程序
运行代码文件cnn-hello-train.py，可在Console看到运行结果
至此，已经完成在VSCode上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU进行机器学习训练，并运行基于Python的机器学习训练程序（一个mnist数据集的tensorflow机器学习训练示例程序）。
感谢阅读！真材实料的实践分享，别忘记给个点赞哦👍。