WSL2安装教程：从零部署到迁移非系统盘完整指南

最近身边好多朋友跟我吐槽，说想在Windows上跑个AI模型，结果光是环境配置就把人折腾疯了。今天咱们就来聊一个能彻底解决这个痛点的工具——WSL2。我知道你在这块儿特别有经验，先给大家说说，为什么AI开发者几乎绑定了Linux？ 对，这个问题其实特别现实。你看PyTorch、TensorFlow、JAX这些主流框架，底层大量依赖Linux特有的系统调用。举个最简单的例子，PyTorch训练模型时那个数据加载器DataLoader，它的多进程加速依赖Linux的fork()调用，Windows上要么不支持要么性能打折。还有像Hugging Face、vLLM、DeepSpeed这些新兴工具，基本都是Linux优先开发的，Windows版本经常滞后好几个月，有的干脆就没有。 所以很多人就面临一个选择——要么装双系统，要么搞虚拟机，但这两个方案都挺折腾的。 没错，双系统你每次切换得重启电脑，虚拟机又吃资源。WSL2就是微软给出的第三条路，而且说实话是最优雅的一条路。它本质上是在Windows里跑了一个轻量级虚拟机，里面运行的是真正的Linux内核。注意啊，是真正的Linux 5.x内核，不是模拟的。 这里我想追问一下，因为WSL其实有两个版本。WSL1和WSL2的区别到底在哪？ 嗯，这个区别还挺关键的。WSL1你可以理解为一个翻译器，它把Linux的系统调用实时翻译成Windows能理解的调用。听起来很聪明对吧？但问题是翻译总有翻不了的东西，比如Docker就跑不起来，因为它需要完整的Linux内核。WSL2就不一样了，2019年发布的，直接在Hyper-V虚拟化层上跑了一个完整的Linux内核，文件系统性能比WSL1提升了20倍以上。这也是为什么Docker Desktop后来直接选择基于WSL2来运行。 20倍，这个提升确实夸张。那咱们就进入正题，怎么从零开始装WSL2？先说说系统要求吧。 系统要求不高，Windows 10版本2004以上或者Windows 11就行，基本上现在大家的电脑都满足。磁盘空间的话建议非系统盘预留10个G以上，后面我们会讲为什么要迁移到非系统盘。整个安装流程分三大步：第一步开启Windows底层功能，第二步装WSL2内核和Ubuntu，第三步把它从C盘搬到D盘。 好，那第一步怎么操作？ 首先打开PowerShell，一定要用管理员身份运行，这点很重要。然后执行两条DISM命令，一条开启Linux子系统支持，一条开启虚拟机平台。这两个功能各有分工——前者提供WSL的基础框架，后者启用轻量级虚拟化能力，是WSL2跑真实内核的前提。这里有个大家常问的问题：开了虚拟机平台会不会影响VMware或VirtualBox？答案是不会，较新版本都已经兼容了。执行完之后重启一下电脑就行。 重启之后进入第二步？ 对，重启之后再打开PowerShell，先执行wsl --update更新内核。这一步要从网上下载，可能需要十到二十分钟，耐心等一下。下载完之后执行wsl --set-default-version 2，把默认版本设成WSL2。然后就是选Linux发行版了，执行wsl --list --online能看到一堆Ubuntu版本。 版本选择这块儿我觉得挺有讲究的，你推荐哪个？ 我强烈推荐Ubuntu 22.04。你看它是2022年4月发布的LTS长期支持版，维护期到2027年。最关键的是，CUDA的官方安装包、conda-forge的预编译库、各种AI项目的测试环境，基本都以22.04为基准。26.04太新了，底层依赖可能有兼容性坑；24.04也行但生态成熟度差一截。选太新的版本可能遇到glibc版本不匹配、Python版本冲突这种隐蔽问题，排查起来能让你怀疑人生。 哈哈，怀疑人生这个我太有体会了。装好Ubuntu之后就能用了吗？ 技术上是能用了，但还有一个关键步骤——迁移到非系统盘。默认WSL2把所有东西装在C盘，它实际上是一个ext4格式的虚拟硬盘文件。你想想，装个Python环境、下几个预训练模型、存点数据集，这个文件分分钟膨胀到几十上百GB，C盘根本扛不住。 这个确实是个大问题。迁移的过程复杂吗？ 其实不复杂，就是导出再导入。先执行wsl --shutdown把服务关掉，然后用wsl --export把当前系统导出成一个tar包到D盘，大概1个G左右。接着用wsl --unregister卸载C盘的版本，最后用wsl --import从tar包导入到D盘的指定目录。整个过程几分钟搞定，所有软件、配置、用户数据都完整保留。 听起来就像搬家打包一样，把东西装箱子搬过去再拆开。不过迁移完之后是不是还有些善后工作？ 你说到点子上了。迁移完重新进WSL，你会发现默认变成root用户登录了。这时候需要用adduser创建一个普通用户，再用usermod给它加上sudo权限。最后编辑一下/etc/wsl.conf这个配置文件，把默认用户设成你创建的那个。改完之后一定要执行wsl --shutdown再重新进入，不然不生效。 好，到这里基本就装完了。日常使用的话怎么启动？ 三种方式随你选：开始菜单点Ubuntu图标、在命令行里敲wsl回车、或者在Windows Terminal里选Ubuntu标签页。进去的都是同一个环境，看个人习惯。 最后我特别想聊一下GPU和Docker的支持，因为这对AI开发者来说太重要了。 这其实是WSL2最让人兴奋的地方。NVIDIA的GPU驱动可以直接穿透到WSL2内部，你不需要在Linux里单独装GPU驱动，只要Windows这边装了最新的NVIDIA驱动就行。也就是说你在WSL2里可以直接跑CUDA程序、训练模型，性能接近原生Linux。Docker也一样，Docker Desktop开启WSL2后端之后，容器直接跑在Linux内核上，没有额外的性能损耗。搞AI的同学用NGC容器部署推理服务，体验非常丝滑。 所以总结一下，WSL2启动快——两秒以内，资源占用低，GPU直通，Docker原生支持，还能在Windows资源管理器里直接访问Linux文件。对于不想折腾双系统又需要Linux环境的AI开发者来说，这基本就是最优解了。 对，而且装完之后你就拥有了一个完整的Linux开发环境，PyTorch、TensorFlow、CUDA这些随便装，跟用原生Linux几乎没区别。整个安装过程半小时到一小时就能搞定，比起折腾双系统或者在Windows上硬装各种框架，性价比高太多了。