在Windows11中安装WSL2(Ubuntu20.04)并配置Anaconda环境

说在前面

本文主要参考了B站上的教程https://www.bilibili.com/read/cv16825907/，适合在win10/win11上安装Linux子系统，并在其上搭建Anaconda环境，用于深度学习的训练。

1. 检查开启CPU虚拟化和虚拟机平台

打开任务管理器，点击性能，查看CPU虚拟化的状态，默认为禁用（我这里已经开启了），需要进Bios开启：
1. 开机按F12或者DEL进入Bios（不同主板可能不一样，请自行查询）
2. 点击Advanced Mode (F7)进入高级选项
3. 点击Advanced，找到并点击 CPU Configuration
4. 下拉菜单找到Intel Virtualization Technology，在其子菜单下把选项改成Enabled
5. 按F10保存并推出，CPU虚拟化开启成功。
开启虚拟化之后，在左下角搜索栏中搜索启用或关闭Windows功能，往下翻选择适用于Linux的Windows子系统和虚拟机平台，单击确定，等待安装完成后重启。

2. 安装Ubuntu20.04

打开微软商店，搜索Linux，安装下面两个应用，本文选择安装Ubuntu20.04。
打开Ubuntu20.04，进行初次安装和用户设置，正常会出现一个窗口，设置用户名和密码，这里自行填写，设置完成之后就会登录Ubuntu。
假如没有填写用户名直接关闭了，再次打开发现默认进的是root用户，此时需要手动创建新用户sudo adduser <username>，然后输入密码就可以了。
如果你之前在微软商店中下载了windows terminal，在windows terminal中可以找到刚刚安装的Ubuntu20.04.在windows terminal中可以配置Ubuntu终端，方便之后打开。

然后需要检查wsl的版本，需要wsl2而不是wsl，此时打开cmd终端，输入以下命令查看安装的Linux发行版列表。

如果version为2，说明已经安装为wsl2版本，如果为1，则继续输入以下命令：

wsl --set-version Ubuntu-20.04 2 #将Ubuntu-20.04替换为你所下载安装的Linux分发版名称
至此WSL2 Ubuntu20.04的安装已经完成。
Windows下的Ubuntu安装位置和文件夹可以直接从此电脑->Linux下找到，Ubuntu-20.04文件夹包含所有Ubuntu的文件，之后安装环境也是安装在这个文件夹。

3. Vscode连接WSL2(Ubuntu20.04)

安装WSL插件，在扩展里面搜索WSL,选择安装即可。

安装完毕后在左下角看到一个按钮（一个>和一个<组成），点击在中间选择connect to WSL,然后Vscode会弹出一个新窗口，左下角显示WSL子系统名称，如：WSL:Ubuntu-20.04

点击左侧文件夹图标，资源管理器，打开文件夹，这里的文件夹就是前面所讲的C盘下的Ubuntu文件夹，这里我将home/<用户名>设为根目录，做为工作区，比较方便修改根目录的文件。建议大家和笔者保持一致。
在vscode中打开终端(Ctrl+`)，会自动登录Linux子系统，接下来就可以配置开发环境了。

4. Anaconda开发环境的搭建

换源，修改Linux apt下载地址，以加快各种Linux下载速度，避免下载安装失败。在终端中输入并执行（第一次sudo需要输入用户密码）

sudo chmod 777 /etc/apt/sources.list # 提权，方便直接使用vscode编辑文件

然后在左侧文件目录中找到并打开/etc/apt/source.list，将里面的文本替换为

# 默认注释了源码仓库，如有需要可自行取消注释
deb https://mirrors.ustc.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ focal main restricted universe multiverse

deb https://mirrors.ustc.edu.cn/ubuntu/ focal-security main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ focal-security main restricted universe multiverse

deb https://mirrors.ustc.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ focal-updates main restricted universe multiverse

deb https://mirrors.ustc.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ focal-backports main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.ustc.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# deb-src https://mirrors.ustc.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse

Ctrl+S保存即可。

然后打开新的终端(Ctrl+Shift+`)，在终端中输入sudo apt update进行更新，等待更新完成。
1
sudo apt update # apt更新
下载anaconda安装包，这里可以登录https://repo.anaconda.com/archive/网站查找要下载的版本，选择Linux-x86_64.sh结尾的。
1
wget -P /tmp https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh # 下载anaconda安装包至 /tmp 目录下

安装Anaconda3

1	bash /tmp/Anaconda3-2022.05-Linux-x86_64.sh # 安装anaconda

安装过程一路输入回车+yes，注意：安装的最后一步时自动执行conda init，等待安装时，可以在扩展中搜索python、jupyter插件，将其安装到wsl中。

安装好之后，重新打开一个终端，前面会自动进入base环境，证明安装成功。

conda、pip换源，加快各种依赖包的下载安装速度

1	conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main # 添加conda下载源，目的是它自动生成的一个配置文件

执行完之后刷新左侧的资源管理器，可以在用户文件夹/home/<用户名>/下找到.condarc文件，替换成以下内容保存即可。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

更换pip下载源：终端中执行命令

1	pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple # 修改pip下载源

接下来，我们需要创建一个虚拟环境，我就结合《动手学深度学习-pytorch版》来创建。

conda create -n d2l python=3.9 -y anaconda
# 以下不用复制
# pyspark 所创建的虚拟环境的名称，可自定义
# python=3.8 指定所创建的环境的python版本，可自定义
# ananconda 继承anaconda根环境中的所有依赖包
## 会让安装速度变得很慢，可以删去后再自行用pip安装需要的依赖
## 比如pip install pandas、 pip install jupyter

安装完之后可以使用如下命令激活d2l环境。发现前面base 变成了d2l
1
conda activate d2l

安装Pytorch，对应版本下载命令在官网中查找https://pytorch.org/get-started/previous-versions/ 这里博主下载的是 CUDA11.6 版本，Pytorch=1.12.1，大家可以根据自己显卡的型号选择合适的CUDA
1
2
# CUDA 11.6
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
安装完成之后可以在命令行中输入python，依次输出以下命令，输出如下图所示则表明安装成功。
1
2
3
4
import torch
torch.__version__
torch.cuda.is_available()
torch.version.cuda

安装d2l包，以方便调取《动手学深度学习》中常用的函数和类。
1
pip install d2l

下载D2L Notebook, 可以按照以下方式进行下载

mkdir d2l-notebook && cd d2l-notebook
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd pytorch

此时我们输入jupyter notebook终端会返回一大串信息，其中复制链接http://localhost:8888.......到浏览器，即可打开jupyter notebook.

至此，所有环境已经安装完成。

5. Vscode 访问 notebook

上节最后使用的jupyter notebook命令比较麻烦，这里推荐直接使用Vscode直接访问notebook，以下是配置方法。

首先要生成一份jupyter notebook配置文件

1	jupyter notebook --generate-config # 生成notebook配置文件

在用户文件夹下（/home/<你的用户名>）下找到.jupyter文件夹，打开可以看到一个jupyter_notebook_config.py文件，打开按Ctrl+F搜索，c.NotebookApp.token = '<generated>',删掉引号内的部分，并去掉前面的注释“#”，Ctrl S保存。
1
2
3
4
# 修改前：
# c.NotebookApp.token = '<generated>'
# 修改后：
c.NotebookApp.token = ''
此时再输入jupyter notebook发现链接后面的token不见了，变得简单http://localhost:8889/（不同电脑端口号可能不一样）。
按下Ctrl + Shift + P，输入“重新”，点击重新加载窗口以重载Vscode，再次按下Ctrl + Shift + P，这次输入jupyter，选择Create: New Jupyter Notebook,创建好后，可以在右上角看到“选择内核”按钮，点击选择之前的虚拟环境所对应的python内核。

结尾

至此，所有在Win11中安装Ubuntu20.04并配置Anaconda环境的教程全部结束，如果中途有遇到新的问题，欢迎大家在评论区留言OuO。