WSL 2 下配置深度学习环境

为什么用 WSL 2 ？

WSL 2 是一种在 Windows 中内置的 Linux 子系统，在深度学习上约有 20% 的性能损失。

相比直接使用 Linux 系统，WSL 2 可以方便的使用 Windows 下的软件。

相比直接使用 Windows 系统，WSL 2 实际是 Linux 环境，对深度学习有着更好的支持。

环境配置

通过使用 WSL 在 Windows 上安装 Linux 中的方式，完成 WSL 2 + Ubuntu 22.04 的安装和配置。

WSL 2 只需在 Windows 10 下安装显卡驱动，不需要在 Linux 子系统中额外安装显卡驱动。

通过 CUDA Support for WSL 2 中的方式，完成 CUDAToolkit 11.6 的安装和配置。

通过 Miniconda 3 安装中的方式，完成 Miniconda 3 的安装和配置。

通过 NVIDIA CUDA® 深度神经网络库 (cuDNN) 中的方式，完成 cuDNN 8.4.1 的安装和配置。

通过开始通过适用于 Linux 的 Windows 子系统使用 Visual Studio Code中的方式，以 ssh remote 的方式，远程连接到 Linux 系统中，在 Windows 10 下编写代码，在 Linux 环境中运行。

GUI

由于本文通过 ssh remote 的方式远程连接到 Linux 子系统中，无法显示 Linux 子系统中运行的图形界面（如 matplotlib，gedit等），因此可以通过 VcXsrv + Remote X11 in VSCode 的方式同样将图形界面远程连接到 Windows 下，详情见WSL中使用pyplot作图。