WSL2 CUDA 配置记录

最近很多本地 AI 工具都开始依赖：

1
Linux + CUDA

环境。

所以后面开始正式折腾：

1
Windows + WSL2 + CUDA

这一套环境。

一、为什么使用 WSL2

相比虚拟机：

WSL2 最大的优点是：

  • 更轻量
  • GPU 支持更好
  • Linux 兼容性强
  • 开发方便

现在很多：

  • OpenClaw
  • Docker
  • AI Agent
  • Python 环境

都更适合 Linux。

二、安装 WSL2

管理员 PowerShell：

1
wsl --install

安装完成后：

1
wsl -l -v

查看版本。

三、安装 Ubuntu

安装：

1
Ubuntu 22.04

作为主要开发环境。

四、检查 GPU

进入 WSL：

1
nvidia-smi

如果正常：

会显示 GPU 信息。

五、安装 CUDA Toolkit

下载：

1
CUDA Toolkit

然后安装：

1
sudo apt install nvidia-cuda-toolkit

六、Python 环境

后面主要使用：

1
conda

管理环境。

创建：

1
conda create -n llm python=3.11

七、PyTorch GPU 测试

测试：

1
2
3
import torch

print(torch.cuda.is_available())

输出：

1
True

说明 CUDA 正常。

八、遇到的问题

1. localhost 代理问题

WSL NAT 模式下：

1
localhost 代理不互通

导致：

很多工具无法直接走代理。

后面需要：

  • 手动设置 IP
  • 或桥接模式

2. CUDA 版本不匹配

有时候：

  • 驱动版本
  • CUDA Toolkit
  • PyTorch CUDA

版本不一致。

会导致：

1
CUDA unavailable

九、实际效果

配置完成后：

目前已经能够正常：

  • 跑 llama.cpp
  • 跑 PyTorch
  • 跑 OpenClaw
  • 使用 GPU 推理

整体体验比 Windows 原生稳定很多。

十、总结

WSL2 现在已经基本成为：

Windows 本地 AI 开发的核心环境之一。

尤其：

  • CUDA
  • Docker
  • Python
  • Agent

这一整套生态。

在 Linux 下体验明显更完整。