WSL2安装教程：从零部署到迁移非系统盘完整指南

为什么AI开发需要WSL2

WSL（Windows Subsystem for Linux）是微软提供的一项功能，允许用户在Windows系统中直接运行Linux环境。WSL项目始于2016年，最初由微软与Canonical（Ubuntu的母公司）合作开发。WSL1通过一个兼容层将Linux系统调用翻译为Windows NT内核调用，类似于一个实时翻译器。而WSL2在2019年发布，彻底改变了架构——它在Hyper-V虚拟化层上运行一个完整的Linux 5.x内核，这意味着几乎所有Linux程序都能原生运行，文件系统性能相比WSL1提升了20倍以上。这一架构变化也是Docker Desktop后来选择基于WSL2运行的根本原因。

对于AI开发者来说，WSL2几乎是一个必备工具——大量AI框架和工具包最初都是在Linux环境下开发的，直接在Windows上安装往往会遇到各种兼容性问题，轻则报错不断，重则根本无法安装。具体来说，PyTorch、TensorFlow、JAX等主流AI框架的底层大量依赖Linux特有的系统调用和工具链。例如，NVIDIA的CUDA工具包在Linux上的驱动支持更为完善，多进程数据加载（DataLoader）依赖Linux的fork()系统调用，而conda和pip的许多预编译包（wheel）优先为Linux构建。此外，Hugging Face、vLLM、DeepSpeed等新兴AI工具几乎全部以Linux为第一开发平台，Windows版本往往滞后数月甚至缺失。

以OpenCloud等AI工具为例，官方文档通常会强烈推荐在Linux环境下进行部署。与其折腾双系统或虚拟机，不如直接在Windows中安装一个轻量级的Linux子系统，既省事又高效。

WSL1 vs WSL2有什么区别？ 两者的核心差异在于底层架构。WSL1使用翻译层将Linux系统调用转换为Windows系统调用，虽然启动速度快，但兼容性有限，无法运行Docker等依赖完整内核的工具。WSL2则采用了真正的Linux内核，运行在轻量级虚拟机中，兼容性远超WSL1，适合95%以上的使用场景。因此，本教程直接选择WSL2进行安装。

安装前的准备工作

系统要求

• Windows 10（版本2004及以上）或 Windows 11
• 确保系统已更新到最新版本
• 足够的磁盘空间（建议非系统盘预留10GB以上）

整体安装流程概览

整个WSL2安装过程可以分为三大步骤：

1. 开启Windows底层支持：启用Linux子系统功能和虚拟机平台
2. 安装WSL2内核并部署Ubuntu：下载内核更新包，安装Linux发行版
3. 迁移到非系统盘：将安装在C盘的子系统迁移到D盘，释放系统盘空间

第一步：开启Windows底层功能

首先，搜索 PowerShell，右键选择 "以管理员身份运行"，这一步非常关键，普通权限无法执行后续命令。

在PowerShell中依次执行以下两条命令，分别开启Linux子系统支持和虚拟机平台功能：

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

这里使用的DISM（Deployment Image Servicing and Management）是Windows内置的系统映像管理工具，常用于启用或禁用Windows可选功能。这两条命令启用的两个功能各有分工：Microsoft-Windows-Subsystem-Linux 提供了WSL的基础框架和用户态支持，而 VirtualMachinePlatform 则启用了Windows的轻量级虚拟化能力（基于Hyper-V的子集），这是WSL2运行真实Linux内核所必需的。值得注意的是，启用虚拟机平台并不等于安装完整的Hyper-V，它不会影响VMware或VirtualBox等第三方虚拟化软件的正常使用（较新版本已实现兼容）。

这两条命令只是开启Windows电脑上的内置功能，执行速度非常快。完成后建议重启电脑使设置生效。

第二步：安装WSL2内核与Ubuntu系统

更新WSL2内核

由于Windows默认不包含Linux的底层支持包，我们需要手动安装WSL2内核更新。在PowerShell中执行：

wsl --update

这一步需要从网络下载内核包，速度可能较慢，大约需要 10-20分钟。虽然也可以从微软官网手动下载安装，但命令行方式操作步骤最为简洁。

安装完成后，将WSL默认版本设置为2：

wsl --set-default-version 2

选择并安装Ubuntu版本

先查看可用的Linux发行版列表：

wsl --list --online

可以看到Ubuntu 26.04、24.04、22.04等多个版本。这里推荐选择Ubuntu 22.04，原因如下：

• 26.04太新：部分底层依赖包可能存在兼容性问题
• 24.04尚可：维护期较长，但生态成熟度不如22.04
• 22.04最稳定：经过数年验证，仍有一年多的官方维护期，AI开发生态最为成熟

Ubuntu采用年份命名规则（如22.04表示2022年4月发布），偶数年的04版本为LTS（Long Term Support）长期支持版，享有5年官方维护。22.04的维护期持续到2027年4月，期间会持续收到安全补丁。在AI开发领域，版本选择尤为重要：CUDA 11.x/12.x的官方deb安装包、conda-forge的预编译库、以及各种AI项目的CI/CD测试矩阵，都以Ubuntu 22.04为基准环境。选择过新的版本可能导致glibc版本不匹配、Python默认版本冲突等隐蔽问题，排查起来非常耗时。

执行安装命令：

wsl --install -d Ubuntu-22.04

下载安装完成后，系统会自动提示设置用户名和密码。输入自定义的用户名和密码即可进入Linux环境。输入 exit 可退出子系统。

第三步：迁移到非系统盘（关键步骤）

默认情况下，WSL2会将Linux子系统安装在C盘，随着开发环境的搭建，占用空间会迅速膨胀。WSL2的每个Linux发行版实际上以一个ext4格式的虚拟硬盘文件（.vhdx）存储在Windows文件系统中，默认路径位于C盘的 %LOCALAPPDATA%\\Packages 目录下。随着安装Python环境、下载预训练模型文件、存储数据集等操作，这个虚拟磁盘可能膨胀到数十甚至上百GB。因此，将WSL2迁移到D盘等非系统盘是非常必要的操作。

导出当前系统镜像

首先关闭WSL服务：

wsl --shutdown

然后将当前系统导出为tar包：

wsl --export Ubuntu-22.04 D:\\\\WSL\\\\ubuntu-22.04.tar

需要提前在D盘创建WSL文件夹。导出过程本质上是将整个Linux文件系统打包为标准的Unix归档格式（tar），所有已安装的软件、配置文件、用户数据都会完整保留。导出需要几分钟，文件大小约1GB左右。

卸载C盘版本并重新导入到D盘

卸载C盘的Ubuntu：

wsl --unregister Ubuntu-22.04

从D盘的tar包重新导入，指定安装路径为D盘：

wsl --import Ubuntu-22.04 D:\\\\WSL\\\\Ubuntu-22.04 D:\\\\WSL\\\\ubuntu-22.04.tar

导入时，系统会将tar包解包为新的.vhdx虚拟磁盘文件，存放在指定的D盘目录中。导入完成后，Linux系统就完全位于D盘了。

配置默认登录用户

迁移后重新进入WSL，默认会以root用户登录。我们需要创建并配置普通用户：

# 创建新用户
adduser 你的用户名

# 赋予管理员权限
usermod -aG sudo 你的用户名

然后设置默认登录用户。编辑 /etc/wsl.conf 文件，添加以下内容：

[user]
default=你的用户名

wsl.conf 是WSL的实例级配置文件，除了设置默认用户外，还可以配置自动挂载Windows磁盘的行为、网络模式、内存限制等参数。保存后，需要完全关闭WSL服务再重新进入才能生效：

wsl --shutdown
wsl

此时进入系统，显示的就是你创建的普通用户了。

日常使用方式

安装配置完成后，日常使用WSL2非常方便，有多种启动方式：

• 方式一：点击开始菜单，找到Ubuntu图标直接启动
• 方式二：打开CMD或PowerShell，输入 wsl 回车即可进入
• 方式三：在Windows Terminal中直接选择Ubuntu标签页

三种方式进入的都是同一个Linux环境，选择自己习惯的即可。

WSL2与GPU加速及Docker的协同

WSL2的一个重要优势是对GPU直通的原生支持。从Windows 11和较新的Windows 10版本开始，NVIDIA GPU驱动可以直接穿透到WSL2内部，无需在Linux子系统中单独安装GPU驱动——只需在Windows侧安装最新的NVIDIA驱动即可。这意味着在WSL2中可以直接运行CUDA程序、训练深度学习模型，性能接近原生Linux环境。

此外，Docker Desktop的WSL2后端允许容器直接运行在Linux内核上，避免了传统Hyper-V后端的性能损耗，使得基于容器的AI开发工作流（如使用NVIDIA NGC容器部署推理服务）变得极为流畅。安装Docker Desktop后，只需在设置中勾选"Use the WSL 2 based engine"，即可在WSL2环境中无缝使用Docker命令。

总结

本教程完整覆盖了WSL2从零安装到迁移非系统盘的全过程。回顾一下关键步骤：开启Windows底层功能 → 安装WSL2内核和Ubuntu 22.04 → 导出迁移到D盘 → 配置默认用户。

相比传统的双系统或虚拟机方案，WSL2具有启动快（通常在2秒内）、资源占用低、与Windows无缝集成（可直接在Windows资源管理器中访问Linux文件系统，路径为 \\\\wsl$）等优势，是AI开发者在Windows平台上搭建Linux环境的最佳选择。安装完成后，你就可以在这个Linux环境中自由安装PyTorch、TensorFlow、CUDA等AI开发工具链，享受原生Linux的开发体验。

核心要点

• WSL2是Windows上运行Linux的最佳方案，采用真正的Linux内核运行在轻量级虚拟机中，兼容95%以上的开发场景
• 推荐安装Ubuntu 22.04版本，兼顾稳定性和生态成熟度，是CUDA和主流AI框架的基准测试环境
• 安装流程分三步：开启Windows底层功能（DISM启用子系统和虚拟机平台）、安装WSL2内核与Ubuntu、迁移到非系统盘
• 通过导出tar包再导入的方式，可将WSL2从C盘完整迁移到D盘，释放系统盘空间，所有数据和配置完整保留
• 迁移后需重新配置默认登录用户，关闭所有WSL进程后重启才能生效
• WSL2原生支持NVIDIA GPU直通和Docker集成，可直接进行深度学习训练和容器化部署