在WSL中构建基本的大模型开发环境

文章目录

- [📖 目录导读](#📖 目录导读)
- [第一部分：为什么选择 WSL？](#第一部分：为什么选择 WSL？)
- - [1.1 什么是 WSL？](#1.1 什么是 WSL？)
  - [1.2 核心优势](#1.2 核心优势)
- [第二部分：WSL 基础环境搭建](#第二部分：WSL 基础环境搭建)
- - [2.1 安装 WSL2](#2.1 安装 WSL2)
  - [2.2 进入wsl的方式](#2.2 进入wsl的方式)
  - [2.3 更换国内镜像源（加速下载）](#2.3 更换国内镜像源（加速下载）)
  - [2.4 Linux下载/安装内容的目录建议](#2.4 Linux下载/安装内容的目录建议)
- [第三部分：构建 Python 核心生态（Conda + Jupyter）](#第三部分：构建 Python 核心生态（Conda + Jupyter）)
- - [3.1 选型建议：Anaconda vs Miniconda](#3.1 选型建议：Anaconda vs Miniconda)
  - [3.2 安装 Miniconda](#3.2 安装 Miniconda)
  - [3.3 创建大模型专属环境](#3.3 创建大模型专属环境)
  - [3.4 配置 Jupyter Lab](#3.4 配置 Jupyter Lab)
- 第四部分：安装pytorch

在当今 AI 爆发的时代，大模型应用开发已成为技术热点。对于 Windows 用户而言，直接在 Windows 上配置深度学习环境往往面临依赖冲突、路径兼容性等"深坑"。

WSL (Windows Subsystem for Linux) 的出现完美解决了这一痛点。它让我们既能享受 Windows 的图形界面便利，又能拥有原生 Linux 的强大开发生态。

本文将带你从零开始，在 WSL 中搭建一套基础的大模型开发环境（Conda + Python + Jupyter），助你快速开启 AI 之旅。

📖 目录导读

WSL开发环境

基础认知什么是WSL
为什么选WSL
环境准备安装WSL2
配置Ubuntu
核心工具链 Miniconda安装
Python环境管理
Jupyter Lab配置
Pytorch安装

第一部分：为什么选择 WSL？

1.1 什么是 WSL？

WSL 是微软推出的"Windows 子系统 Linux"。简单来说，它允许你在 Windows 电脑上运行一个完整的 Linux 系统（如 Ubuntu），而无需安装双系统或笨重的虚拟机。

1.2 核心优势

原生体验：直接调用 GPU 硬件，性能损耗极低（WSL2）。
生态兼容：完美支持绝大多数 AI 框架（PyTorch, TensorFlow, Hugging Face）。
文件互通：Windows 和 Linux 文件系统可以无缝互相访问。

第二部分：WSL 基础环境搭建

2.1 安装 WSL2

现在的 Windows 10/11 安装 WSL 非常简单。

步骤0：检查必要设置

先检查 WSL 基础功能是否生效，避免「组件未装」导致发行版无法启动：

以管理员身份打开 PowerShell，执行：

java 复制代码

# 检查WSL功能是否启用
dism.exe /online /get-features /format:table | findstr "Microsoft-Windows-Subsystem-Linux VirtualMachinePlatform"

若两项不是都为enabled，需要手动启用：

java 复制代码

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

然后重启电脑。

步骤 1：开启功能

以管理员身份打开 PowerShell，依次输入并执行以下命令：

建议在执行install阶段打开代理，否则下载安装会非常慢。

powershell 复制代码

# 列出可安装的发行版
wsl --list --online
# 安装需要的版本
wsl --install <指定linux系统及版本>

安装后会让你输入用户名及密码

2.2 进入wsl的方式

安装好WSL Linux后，可通过命令行、Windows Terminal、开始菜单等多种方式快速进入，首次启动需完成用户名/密码初始化，以下是具体步骤与常用技巧。

命令行快速进入（CMD/PowerShell/Windows Terminal）
- 打开终端，输入 wsl 直接进入默认发行版（若仅装Ubuntu，即为它）。
- 多发行版时指定进入：wsl -d Ubuntu-22.04（把"Ubuntu-22.04"换成你的实际版本名，可用 wsl -l -v 查看）。
- 进入用户主目录：wsl ~。
- 以root身份进入：wsl -u root（用于系统级操作）。
Windows Terminal（推荐，体验最佳）
- 安装后打开，顶部下拉菜单直接选"Ubuntu-22.04"等对应版本，一键进入。
- 可在设置中把Ubuntu设为默认启动项，打开即进入。
开始菜单快捷启动
- 点击Windows开始菜单，搜索"Ubuntu"，点击对应图标（如"Ubuntu 22.04 LTS"），自动打开终端并进入。
文件资源管理器进入
- 打开资源管理器，地址栏输入 \\wsl$，找到Ubuntu发行版目录，右键"在终端中打开"，直接进入该目录的WSL环境。

2.3 更换国内镜像源（加速下载）

默认的 Ubuntu 软件源在国外，下载速度较慢。我们需要将其替换为国内镜像（如清华源或阿里源）。

bash 复制代码

# 代码用途：备份原文件并替换为清华源（以Ubuntu 22.04为例）
# 1. 备份源列表
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 2. 修改源列表（使用sed命令批量替换）
sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list

# 3. 更新软件列表
sudo apt update

代码解读 ：sed 是流编辑器，用于文本替换；apt update 会根据新的源地址刷新软件列表，确保后续安装能找到软件包。

2.4 Linux下载/安装内容的目录建议

Linux 有严格的文件系统规范（FHS 标准），不同类型的文件建议放在对应目录，避免混乱：

内容类型	推荐目录	说明
临时下载的文件（安装包、压缩包等）	`~/Downloads/`	主目录下的下载文件夹（用户专属，权限可控，临时文件优先放这里）；也可直接放 `~` 下，但建议归类。
个人自用程序/脚本	`~/bin/` 或 `~/scripts/`	自定义可执行文件目录（需把 `~/bin` 加入 `PATH`，执行 `echo 'export PATH=$HOME/bin:$PATH' >> ~/.bashrc && source ~/.bashrc` 生效）。
系统级软件（通过包管理器安装）	`/usr/`	- `/usr/bin/`：系统可执行程序（如 `python3`、`git`）； - `/usr/lib/`：软件库文件； - `/usr/share/`：软件共享资源（文档、配置模板）。
手动编译/安装的软件（非包管理器）	`/usr/local/`	区别于系统默认软件，比如手动编译的 `nginx` 建议装到 `/usr/local/nginx/`，避免覆盖系统文件。
系统配置文件	`/etc/`	全局配置（如 `/etc/nginx/`、`/etc/profile`）；用户级配置放 `~/.config/`（如 `~/.config/git/`）。
数据文件/日志	- `/var/lib/`：软件运行数据（如数据库）； - `/var/log/`：系统/软件日志； - 用户级日志放 `~/.log/`。
临时文件	`/tmp/`	系统临时目录（重启会清空，不建议存重要文件）；用户临时文件可放 `~/tmp/`。

实操建议：

个人文件优先放主目录 ：下载的安装包、自己写的脚本、项目代码等，都先放在 ~ 下的子目录（如 ~/Downloads/、~/projects/），权限足够且易管理；
避免直接装到 /root/ ：除非是 root 专属软件，否则普通用户软件装到 /usr/local/ 或用户主目录；

手动安装软件的规范 ：比如编译安装 nodejs，建议：

bash 复制代码

# 下载源码到 ~/Downloads/
cd ~/Downloads
wget https://nodejs.org/dist/v20.10.0/node-v20.10.0.tar.gz
tar -xzf node-v20.10.0.tar.gz
cd node-v20.10.0
# 配置安装路径为 /usr/local
./configure --prefix=/usr/local
make && sudo make install

WSL 特殊注意 ：WSL 中 ~ 对应 Windows 路径 \\wsl$\Ubuntu-22.04\home\用户名\，Windows 下可直接访问，方便跨系统传文件。

第三部分：构建 Python 核心生态（Conda + Jupyter）

在大模型开发中，我们通常需要管理多个不同版本的 Python 环境（例如：一个跑 Llama 3，一个跑 Stable Diffusion）。Conda 是最佳的解决方案。

3.1 选型建议：Anaconda vs Miniconda

特性	Anaconda	Miniconda	建议
体积	庞大 (3GB+)	轻量 (100MB+)	推荐 Miniconda
预装包	预装数百个科学计算包	仅包含 Conda 和 Python	按需安装，更清爽
适用场景	数据科学初学者	开发者、服务器环境	避免环境臃肿

3.2 安装 Miniconda

步骤

在 WSL 终端中执行：

bash 复制代码

# 创建并进入进入目录
mkdir ~/Downloads/
cd ~/Downloads/
# 下载脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 授予可执行权限
chmod +x Miniconda3-latest-Linux-x86_64.sh
# 运行安装脚本
./Miniconda3-latest-Linux-x86_64.sh

后面就是按照它的提示操作：

安装并初始化结束之后，关闭terminal，再重新打开（让环境变量生效）。

3.3 创建大模型专属环境

我们将创建一个名为 llm-dev 的环境，指定 Python 版本为 3.10（目前 AI 库兼容性最好的版本之一）。

bash 复制代码

# 代码用途：创建虚拟环境
conda create -n llm-dev python=3.10 -y

# 代码用途：激活环境
conda activate llm-dev

代码解读：

-n llm-dev：指定环境名称。

python=3.10：指定 Python 版本。

conda activate：切换到该环境，终端前缀会变成 (llm-dev)。

3.4 配置 Jupyter Lab

Jupyter Lab 是交互式开发的利器，非常适合调试大模型代码。

步骤 1：安装 Jupyter

确保在 llm-dev 环境下：

bash 复制代码

pip install jupyterlab

步骤 2：运行与访问

在 WSL 中启动 Jupyter，通常需要允许其在浏览器中访问。

bash 复制代码

# 代码用途：启动 Jupyter Lab，不自动打开浏览器
jupyter lab --no-browser --ip=0.0.0.0 --allow-root

输出结果示例 ：

终端会显示类似 http://127.0.0.1:8888/lab?token=xxxx... 的链接。
操作：按住 Ctrl 点击该链接，或者复制到 Windows 浏览器中打开，即可看到开发界面。

第四部分：安装pytorch

查看CUDA版本：

bash 复制代码

nvidia-smi

第一行的cuda version就是cuda的版本

官方源解析环境较慢，libmamba 求解器能大幅提速：

bash 复制代码

# 官方源解析环境较慢，libmamba 求解器能大幅提速
conda install -n base conda-libmamba-solver -y
conda config --set solver libmamba

安装cuda：

bash 复制代码

# 推荐安装CUDA 12.1（适配绝大多数NVIDIA显卡，兼容性最好）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia