PyCharm连接WSL2搭建的Python开发环境
目录
一、开启WSL2服务
二、安装Ubuntu
三、安装Anaconda
四、构建Tensorflow_gpu环境
五、PyCharm连接到WSL2环境
使用 PyCharm 连接 WSL2 搭建 Python 开发环境的主要目的是结合 Windows 的易用性和 Linux 的开发优势，提升开发效率和体验。以下是具体原因和优势：
- 资源隔离
WSL2 是一个独立的子系统，与 Windows 主机隔离，避免污染主机环境。
- 避免跨平台问题
代码在 WSL2 中运行的结果与生产环境（通常是 Linux）更一致。
- 原生兼容性
许多 Python 工具链（如编译依赖、系统库）在 Linux 下支持更好（例如
gcc、python-dev）。WSL2 提供了完整的 Ubuntu 等发行版环境，避免 Windows 的兼容性问题（如某些 C 扩展的编译）。
一、开启WSL2服务
1、开启CPU虚拟化
打开任务管理器，切换到性能，可以查看CPU虚拟化的状态，默认是禁用，需要进入Bios开启
2、启用虚拟机平台功能
点击【启动或关闭 Windows 功能】
勾选【适用于 Linux 的 Windows 子系统】和【虚拟机平台】这两项
勾选后必须要重启系统才能生效
3、设置WSL的版本为WSL2
按 Win+X 启动 终端(管理员)
设置WSL的版本为WSL2
wsl --set-default-version 2
更新WSL为最新版
wsl --update
二、安装Ubuntu
1、查看当前WSL2可安装的Linux发行版
2、安装Ubuntu-24.04版本
wsl --install -d Ubuntu-24.043、在WIndows Terminal上，可以找到安装的发行版本
4、系统是首次启动时，需要设置一个用户名和密码
三、安装Anaconda
1、Ubuntu中执行如下命令，下载对应的Anaconda安装包
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh2、安装Anaconda
#安装anaconda
sudo ./Anaconda3-2024.10-1-Linux-x86_64.sh输入yes表示同意许可
输入安装路径，变更安装目录
输入yes，表示conda 的 base 环境会在每次启动终端时自动激活
为当前用户初始化conda
sudo conda init命令行前面出现（base），代表安装成功了
3、配置Anaconda镜像源
编辑.condarc文件
cd /usr/local/anaconda3sudo vi .condarc配置anaconda使用清华源，替换为如下内容
channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/clouddeepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/四、构建Tensorflow_gpu环境
1、安装NVIDIA驱动程序
为兼容使用GeForce或NVIDIA RTX/Quadro显卡，需在Windows系统上安装NVIDIA GeForce Game Ready或NVIDIA RTX Quadro Windows 11显示驱动程序，驱动程序可从 NVIDIA驱动程序 下载。
注意：这是您需要安装的唯一驱动程序。请勿在 WSL2 中安装任何 Linux 显示驱动程序。
验证NVIDIA驱动是否正常，查看显卡支持的最高CUDA版本，Windows运行如下命令
nvidia-smi
2、查询Tensorflow_gpu版本对应的环境
链接: 从源代码构建 | TensorFlow
下滑可找到GPU版本的tensorflow所对应的环境
3、构建Tensorflow_gpu虚拟环境
#创建虚拟环境名称为tensorflow_gpu-1.14，对应的python版本3.7
conda create -n tensorflow_gpu-1.14 python=3.7#激活环境
conda activate tensorflow_gpu-1.14#安装CUDA
conda install cudatoolkit==10.0#安装CUDNN
conda install cudnn==7.4#安装tensorflow_gpu-1.14
conda install tensorflow-gpu==1.14.0五、PyCharm连接到WSL2环境
PyCharm设置WSL的解释器是只有专业版才有的功能，社区版并没这个功能
1、在PyCharm的设置中选择项目里的Python解释器选项，点击添加解释器，选择WSL
2、选择环境所在的Linux系统，点击下一步
3、在左边选项栏中选择conda环境，选择的conda解释器，一般存在conda目录下的bin或者Scripts文件夹下
4、选定conda解释器后，点击加载环境，选择对应环境，点击创建即可成功连接到wsl中的conda环境了
5、成功连接到wsl中的conda环境
6、验证tensorflow_gpu环境是否安装成功
新建Python文件，运行以下代码来验证tensorflow_gpu环境是否成功安装
import tensorflow as tf
print(tf.version)
print(tf.test.is_gpu_available())如果打印出的版本号是1.14，并且表示GPU可用，那么就说明安装成功。如果打印出的版本号不是1.14，或者GPU不可用，那么可能需要重新安装或者检查环境配置。