软件教程

Windows 上搭建 AI 开发环境的终极指南（2026版）：WSL2 + CUDA + Docker 一步到位

2026年5月25日 12 分钟阅读 Windows · AI Development · WSL2 · CUDA · Tutorial

为什么选 Windows？

长期以来，AI 开发者的首选平台是 Linux 或 macOS。但 2026 年的 Windows 已经完全不同——得益于 WSL2 的成熟和微软对 AI 开发工具链的深度投入，Windows 已成为一个优秀的一站式 AI 开发平台。

第一步：安装 WSL2

以管理员身份打开 PowerShell，执行以下命令：

wsl --install -d Ubuntu-24.04

重启后，Ubuntu 会自动启动并提示创建用户名和密码。完成后更新系统：

sudo apt update && sudo apt upgrade -y

第二步：配置 NVIDIA CUDA on WSL

确保 Windows 主机已安装最新的 NVIDIA 驱动（Game Ready 或 Studio 驱动均可，版本 ≥ 560）。然后在 WSL 中安装 CUDA Toolkit：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda-repo-wsl-ubuntu-12-6-local_12.6.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-6-local_12.6.0-1_amd64.deb
sudo apt update
sudo apt install cuda-toolkit-12-6 -y

验证安装：

nvidia-smi

如果看到 GPU 信息和 CUDA 版本，说明配置成功。

第三步：安装 Miniconda 和 Python 环境

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

安装完成后创建 AI 开发专用环境：

conda create -n ai-dev python=3.12 -y
conda activate ai-dev
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install transformers datasets accelerate peft bitsandbytes
pip install jupyterlab gradio fastapi uvicorn

第四步：安装 Docker Desktop

从 Docker 官网下载 Docker Desktop for Windows，安装时确保勾选"Use WSL 2 instead of Hyper-V"。安装后可以在 WSL 中直接使用 docker 命令。

docker run --gpus all nvidia/cuda:12.6.0-base-ubuntu24.04 nvidia-smi

第五步：VS Code 远程开发

在 VS Code 中安装"WSL"扩展，然后在 WSL 终端中进入项目目录，执行：

code .

VS Code 会自动连接到 WSL 环境，所有扩展和 Python 解释器都指向 WSL 中的版本。

常见问题排查

  • nvidia-smi 不显示 GPU：检查 Windows 驱动版本是否 ≥ 560，确认 WSL 版本是否为 2（wsl -l -v）
  • 内存不足：创建 %USERPROFILE%\\.wslconfig 文件，设置 memory=16GB
  • 磁盘空间：WSL 虚拟磁盘会自动增长但不自动收缩，定期运行 Optimize-VHD 命令清理