Windows WSL2 + Docker 环境下NVIDIA PhysicsNeMo 安装指南

本指南专为拥有 NVIDIA 独立显卡（如 GeForce RTX 系列、Quadro 系列或 Tesla 系列）的 Windows 用户设计。如果你是一名物理模拟、计算科学或 AI for Science 领域的研究者、工程师或学生，希望在 Windows 系统上高效利用 GPU 加速能力来运行和开发基于 NVIDIA PhysicsNeMo 的科学机器学习（SciML）应用，那么这份教程正是为你准备的。

PhysicsNeMo 是 NVIDIA 推出的一个开源框架，它将物理建模与神经网络深度融合，能够高效求解偏微分方程、进行流体仿真、材料模拟等复杂物理任务。然而，其官方环境通常基于 Linux 和 Docker，对于习惯 Windows 的开发者来说，直接部署存在一定门槛。

因此，本指南将带你从零开始，在 Windows 11/10 上，通过 WSL2（Windows Subsystem for Linux 2）和 Docker 技术，搭建一个完整、稳定且支持 GPU 加速的 PhysicsNeMo 开发环境。整个过程无需安装双系统或虚拟机，你将在熟悉的 Windows 界面下，获得接近原生 Linux 的性能体验，并能够直接调用 NVIDIA 显卡进行大规模科学计算。

我们将依次完成以下核心步骤：

安装与配置 WSL2：在 Windows 中无缝集成 Linux 子系统。
优化 WSL2 资源：合理分配 CPU 和内存，确保计算任务稳定运行。
安装 Docker Desktop 并配置与 WSL2 的集成及存储路径。
更新 NVIDIA 显卡驱动并验证 Docker 内的 GPU 调用能力。
拉取并运行 PhysicsNeMo 官方 Docker 镜像，创建持久化工作容器。
验证环境并获取官方示例代码库，开启你的第一个 SciML 项目。

无论你是刚接触科学机器学习，还是已有相关经验但希望在 Windows 平台快速搭建实验环境，跟随本指南，你都能在约一小时内完成全部配置，并立即开始 PhysicsNeMo 的探索与实践。

前置硬件与系统要求

操作系统：Windows 11（推荐）或 Windows 10
显卡驱动：NVIDIA 显卡驱动版本需在 610.43 或更高。
存储空间：建议 D 盘或非 C 盘预留 100 GB 以上的可用空间（镜像解压后较大）。

第一步：安装与升级 WSL2

1. 开启 WSL 功能

以管理员身份打开 Windows PowerShell，输入以下命令安装默认的 Linux 子系统：

powershell 复制代码

wsl --install

注：安装完成后，请根据提示重启电脑。

2. 安装 Linux 操作系统

接着在 PowerShell 中，输入以下命令从微软商店下载并安装官方最推荐的 Ubuntu 系统：

powershell 复制代码

wsl --install --distribution Ubuntu

注意：安装完成后，会提示创建一个用户名和密码，最好设置一下。

完成后在 PowerShell 中运行以下代码，看到类似以下输出，就说明彻底大功告成了：

powershell 复制代码

PS C:\Windows\system32> wsl -l -v
  NAME     STATE      VERSION
* Ubuntu   Running    2

3. 常见报错修复：缺少 msi 安装包

如果在配置或更新时弹出类似 "The feature you are trying to use is on a network resource that is unavailable" 的错误，说明系统缓存的安装包丢失。

解决方法：前往微软官方 GitHub 仓库（microsoft/WSL）手动下载对应版本的 wsl.x.x.x.x64.msi 安装包，双击运行即可覆盖修复。

第二步：通过图形界面配置 WSL2 资源限制

为了防止 Linux 容器在进行高强度物理计算时吃光 Windows 资源导致卡死，必须合理分配 CPU 和内存。

1. 打开 WSL 设置 UI

在 Windows 开始菜单搜索框输入 "WSL 设置"（或 WSL Settings）并打开；或者在 Windows 运行窗口（Win + R）中输入：

powershell 复制代码

wsl --settings

2. 硬件资源推荐配置

在弹出的图形界面中进行如下调整：

处理器计数（Processors）：修改为物理 CPU 总核心数的一半左右（例如：总核心 20，填写 10 或 12）。
内存大小（Memory）：根据笔记本总内存填写：
- 若总内存为 32GB，填写 24GB。
- 若总内存为 64GB，填写 32GB。
注意：数值后必须带大写单位 GB。
交换大小（Swap）：填写 16GB（作为备用虚拟内存，防止显存/内存溢出闪退）。
交换文件位置：若 C 盘空间紧张，点击"浏览交换文件"，将其指定到 D 盘的自定义文件夹中（如 wsl-swap.vhdx）。注意，wsl-swp.vhdx 为手动创建的，使用一个空白 txt 文件即可，后缀名为 vhdx。
网络模式：Mirrored。这样的话不使用传统的虚拟网卡，而是直接把 Windows 主机的网络栈"镜像"给 WSL。使得 WSL 和 Windows 共享完全相同的 IP 地址。若 Windows 系统开启了网络代理（如科学上网工具），WSL 里面不需要任何配置，直接就能开箱即用。

3. 应用并重启服务

点击界面右下角的 "保存/应用"。随后在 PowerShell 中运行以下命令使配置彻底生效：

powershell 复制代码

wsl --shutdown

第三步：Docker Desktop 安装与 D 盘存储配置

1. 下载与安装

前往 Docker 官网下载 Windows 版 Docker Desktop 并安装。

2. 联动 WSL2

打开 Docker Desktop，点击右上角 ⚙️（设置齿轮），完成以下配置：

进入 General，确保勾选了 "Use the WSL 2 based engine"
进入 Resources -> WSL integration，勾选 "Enable integration with my default WSL distro"
在下方列表中，将你的 Linux 发行版（如 Ubuntu）右侧的开关调至打开（蓝色）状态
进入 Resources -> Advanced，点击 "Browse" 按钮将 Disk image location 位置设置为非 C 盘，这样可以避免后续大镜像（几十 G 量级）占用 C 盘空间（例如，在 D 盘新建文件夹 DockerData）。本步骤为可选项。
点击 Apply & restart。

第四步：驱动更新与 GPU 通道验证

1. 升级显卡驱动（核心步骤）

PhysicsNeMo 26.06 镜像强制要求最新驱动。请前往 NVIDIA 驱动官网，下载对应显卡（如 RTX 4060 Laptop）的最新 Game Ready 或 Studio 驱动，安装时勾选"执行清洁安装"，完成后重启电脑。

2. 验证 Docker 内的 GPU 加速

打开 Windows PowerShell，运行以下命令测试 Docker 能否正确调用显卡：

powershell 复制代码

docker run --rm --runtime=nvidia --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

成功标志：终端正确打印出类似下面的 NVIDIA-SMI 显卡信息表格，并正确识别出你的显卡型号（如 RTX 5090）。

第五步：拉取与运行 PhysicsNeMo 镜像

1. 拉取官方镜像

在 PowerShell 中运行以下命令（由于镜像高达 40GB 以上，建议在稳定的网络代理环境下下载）：

powershell 复制代码

docker pull nvcr.io/nvidia/physicsnemo/physicsnemo:26.06

2. 创建并运行持久化容器（挂载 D 盘）

在 D 盘根目录下手动创建一个名为 physics_workspace 的文件夹。然后在 PowerShell 中一键执行以下整行命令：

powershell 复制代码

docker run --gpus all --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 -v D:\physics_workspace:/workspace -it --name physics_nemo nvcr.io/nvidia/physicsnemo/physicsnemo:26.06 bash

参数解析：

-v D:\physics_workspace:/workspace：将本地 D 盘文件夹实时映射到容器内。你在 D 盘写的代码会同步出现在容器里，且退出容器代码不会丢失。
--name physics_nemo：为容器命名。去掉了官方命令中的 --rm，防止退出时容器被自动销毁。

后面可使用powershell进入：

启动已经存在的旧容器：docker start physics_nemo
进入该容器的命令行内部：docker exec -it physics_nemo bash

第六步：环境终极验证与获取官方案例

当命令行前缀变为 root@xxxxxx:/workspace# 时，说明你已成功进入容器内部。

1. 运行 Python 代码验证 GPU 加速

在容器终端内直接执行以下 Python 命令：

bash 复制代码

python -c "import torch; from physicsnemo.models.mlp.fully_connected import FullyConnected; model = FullyConnected(in_features=32, out_features=64).cuda(); print('显卡调用成功，模型结构：', model)"

成功标志：屏幕输出 "显卡调用成功" 以及网络的 Layer 结构。

2. 下载全套 PhysicsNeMo 官方示例

在容器终端内，利用挂载好的工作目录直接克隆官方 GitHub 仓库 $NVD$ ：

bash 复制代码

git clone https://github.com/NVIDIA/physicsnemo.git

克隆完成后，你可以直接回到 Windows 系统，在 examples 路径下用你习惯的编辑器（如 VS Code）查看、修改并运行所有的官方物理 AI 案例 $NVD$ ！

💡日常进出环境小贴士

如何退出环境：在容器终端输入 exit 回车即可安全退出，数据和配置均会保留。
下次如何再次进入：重新打开电脑后，无需再运行长串的 docker run，只需在 PowerShell 中运行以下命令即可秒回战场：

powershell 复制代码

docker start -i physics_nemo