Win10下使用Linux子系统(WSL2)进行深度学习训练

在Windows 10上使用Linux子系统（WSL2）进行深度学习训练，可以让你在熟悉的Windows环境中享受Linux的强大功能。以下是安装和配置WSL2的步骤，以及如何使用它进行深度学习训练的指南。
一、安装WSL2

1. 打开Windows 10的“设置”应用，选择“更新和安全”，然后选择“针对开发人员”选项。
2. 在“针对开发人员”设置中，选择“开发人员模式”。
3. 重启电脑后，打开PowerShell并以管理员身份运行以下命令来启用WSL2支持：

   Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux

4. 重启电脑后，打开PowerShell并运行以下命令来安装WSL2发行版。这里以Ubuntu为例：

   wsl --install

5. 选择要安装的Linux发行版，这里以Ubuntu为例。等待安装完成。
   二、配置WSL2
6. 打开PowerShell并以管理员身份运行以下命令来设置WSL2为默认版本：

   wsl --set-default-version 2

7. 打开Windows“设置”应用，选择“时间和语言”，然后选择“区域和语言”选项。在“非Unicode程序的语言”下拉菜单中选择与你的Linux发行版对应的语言。
8. 打开WSL2发行版的终端，并更新软件包列表：

   sudo apt update

9. 安装NVIDIA CUDA工具包和cuDNN，以便在WSL2中进行深度学习训练。首先，从NVIDIA官网下载适用于Linux的CUDA安装包和cuDNN库文件。然后，在WSL2终端中执行以下命令来安装它们：

   sudo apt install -y libnvidia-ml-dev libnvidia-cuda-toolkit libcudnn7=7.6.5-1+cuda11.0 libncurses5-dev

10. 配置WSL2与Windows共享文件系统。打开Windows“设置”应用，选择“存储感知”，然后选择“更改本地文件和应用的存储位置”。将“快速访问”设置为“此电脑”，以便在WSL2中访问Windows文件系统。
11. 打开WSL2发行版的终端，并创建一个用于深度学习训练的工作目录。例如：

    mkdir ~/deep_learning_trainings
    cd ~/deep_learning_trainings

    三、进行深度学习训练
    现在你已经准备好在WSL2中进行深度学习训练了。你可以使用任何适用于Linux的深度学习框架，如TensorFlow或PyTorch。以下是一个使用TensorFlow进行深度学习训练的示例：
12. 安装TensorFlow：

    pip install tensorflow==2.8.0rc0

13. 准备训练数据集：将训练数据集存储在共享文件系统中的一个目录中，例如：/mnt/c/path/to/train_data。确保在Windows和WSL2中都可以访问该目录。
14. 编写深度学习训练脚本：使用Python编写一个脚本，用于加载数据、定义模型、进行训练等。确保脚本中使用了正确的文件路径。例如：/mnt/c/path/to/train_data。
15. 运行训练脚本：在WSL2终端中运行训练脚本。例如：
    ```bash
    python train.py —data_dir /mnt/c/path/to/train_data —output_dir ~/deep_learning_trainings/output —epochs 100 —batch_size 32 —learning_rate 0.001 —optimizer ‘adam’ —loss ‘categorical_crossentropy’ —model ‘CNN’ —input_shape (32,32,3) —num_classes 100 —device ‘cuda:0’ —seed 42 —verbose 1 —checkpoint_every 10 —checkpoint_dir ~/deep_learning_trainings/checkpoints —tensorboard_dir ~/deep_learning_link_tensorboard —save_model_every 10000 —evaluate_every 1