Windows11的CPU深度学习环境搭建
时间: 2025-07-05 19:09:54 浏览: 12
### 配置基于 CPU 的深度学习开发环境
#### 3.1 安装 Windows Subsystem for Linux (WSL 2)
为了在 Windows 11 上创建一个适合深度学习的开发环境,首先需要安装 WSL 2。这一步骤提供了对 Linux 文件系统的访问权限并支持运行完整的系统调用[^1]。
打开 PowerShell 并以管理员身份执行以下命令来启用 WSL 和虚拟机平台功能:
```powershell
wsl --install
```
此命令会自动安装最新版本的 WSL 及默认的 Linux 发行版(通常是 Ubuntu)。如果希望指定特定发行版,则可以使用 `wsl --list --online` 查看可用选项,并通过 `wsl --install -d <DistributionName>` 来选择安装其他发行版。
#### 3.2 更新到 WSL 2 版本
确保已安装的是 WSL 2 而不是旧版本。可以通过下面这条指令设置新安装的分发版默认为 WSL 2:
```powershell
wsl --set-default-version 2
```
对于已经存在的任何分发,默认情况下可能仍处于较早版本;要将其转换成 WSL 2,请输入如下命令:
```powershell
wsl --set-version <distribution name> 2
```
其中 `<distribution name>` 是指具体的 Linux 分发名称,比如 "Ubuntu" 或者其他的自定义名。
#### 3.3 安装 Python 和必要的库
进入刚安装好的 Linux 终端窗口,在这里继续完成后续操作。更新包管理器索引文件之后,建议先升级现有的软件包至最新稳定版:
```bash
sudo apt update && sudo apt upgrade -y
```
接着安装 Miniconda 或 Anaconda —— 这些都是流行的 Python 数据科学和机器学习环境管理者之一。Miniconda 更轻量级而 Anaconda 则包含了更多预设组件。下载链接可以从官方网站获取,也可以直接利用 wget 工具在线获取脚本并按照提示进行安装:
```bash
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh
bash ~/miniconda.sh -b -p $HOME/miniconda
source ~/.bashrc
```
激活 conda 后就可以创建一个新的环境专门用于处理深度学习项目了:
```bash
conda create --name dl_env python=3.9
conda activate dl_env
```
在这个环境中安装 PyTorch 或 TensorFlow 等框架时记得指定仅依赖 CPU 支持的版本。例如,对于 PyTorch 可以这样做:
```bash
pip install torch torchvision torchaudio cpuonly
```
而对于 TensorFlow ,则应采用类似的策略:
```bash
pip install tensorflow-cpu
```
这样就完成了基本的基于 CPU 的深度学习环境配置工作。现在可以在该环境下编写训练模型所需的代码了。
阅读全文
相关推荐


















