Win10 WSL中Linux子系统安装Miniconda与PyTorch

本文主要介绍了如何在Windows 10系统的Linux子系统中安装Miniconda以及后续的PyTorch（CUDA 10.0 + CuDNN）的安装步骤。 在Windows 10中，Linux子系统（WSL - Windows Subsystem for Linux）允许用户在不启动完整虚拟机的情况下运行Linux环境。为了在WSL中安装Miniconda和PyTorch，首先需要完成以下步骤： 1. **下载Miniconda安装包** 可以从清华大学的镜像网站下载Miniconda的最新版本。推荐根据自己的需求选择适当的版本，例如Miniconda3-latest-Linux-x86_64。记得保存下载路径，例如在Windows下的D:\foxdownload。 2. **在Linux子系统中安装Miniconda** - 打开Linux子系统，通过`cd /mnt`命令进入挂载的Windows文件系统。 - 移动到Miniconda安装包所在的目录。 - 使用`bash Miniconda3-latest-Linux-x86_64.sh`来启动安装脚本。 - 按照屏幕提示进行安装，包括接受许可协议和选择安装路径。在询问是否将Miniconda的路径添加到环境变量时，应选择“yes”。 - 安装完成后，需要更新环境变量。在终端中输入`source ~/.bashrc`，然后检查`conda list`以确保安装成功。 3. **安装PyTorch（CUDA 10.0 + CuDNN）** - 首先创建一个新的conda虚拟环境，如`conda create -n pytorch`。 - 激活新环境，使用`source activate pytorch`。 - 通常，PyTorch需要与特定版本的CUDA和CuDNN搭配使用。因此，需要从NVIDIA官方网站下载对应的CUDA和CuDNN安装包。这里选择了CUDA 10.0和CuDNN 7.4.2，并将它们保存在Windows的D盘。 - 不过需要注意的是，目前WSL并不支持GPU计算，因此在WSL环境下安装CUDA和CuDNN主要用于CPU版本的PyTorch，而无法利用GPU加速。 由于WSL目前不支持GPU，因此对于依赖GPU加速的深度学习任务，建议使用独立的Linux环境或者在Windows上直接使用Anaconda或Miniconda安装PyTorch并配合NVIDIA驱动和CUDA工具包。如果未来WSL增加了GPU支持，那么上述步骤将能够帮助你在WSL中搭建一个完整的GPU加速的PyTorch环境。 这个过程涉及到Windows与Linux之间的文件共享、WSL环境配置、conda环境管理以及Python科学计算库的安装，对于想要在Windows环境下利用Linux工具和库的开发者来说，是非常实用的指南。