参考：
https://www.bilibili.com/video/BV1Fx4y1j7yy/?spm_id_from=333.337.search-card.all.click
在深度学习中经常会用到linux环境，但是相对于windows，对于作者这样的小白，使用linux肯定不是首选，但是最近用到了某些包，只能在linux环境下使用，在安装双系统时，发现了WSL2，尝试了一下很好用，所以记录一下安装教程，如果不习惯于linux，可以尝试使用。
安装WSL及Ubuntu
网上教程在安装WSL时有很多命令，偶然从bilibili发现UP主使用Microsoft Store下载很好用，所以本文也采用这种方式，视频链接在顶部参考中已列出。目前最新的是WSL2，使用win11系统默认为此版本，如果是win10可能需要用其他方法安装WSL2。
1、启用windows某些功能
首先在windows下方搜索栏输入hyper
点击进入，并将框中三项打勾，点击确定，等待完成配置并重新启动电脑。
2、安装WSL和Ubuntu
打开微软商店搜索WSL和Ubuntu，点击安装
安装完成后，打开Ubuntu
配置Ubuntu用户信息：
然后等待一会，如下图所示即为配置成功
然后打开终端（Powershell）:
输入下方命令可以看到已安装版本：
wsl -l --all -v
3、迁移至其他盘
在默认情况下，WSL和Ubuntu会安装在C盘，这一小节是将C盘的这两部分转移至其他盘，如果不需要可以跳过此小节。
当我们输入wsl -l --all -v 命令，如果Ubuntu的STATE是Running，首先输入下面的命令，将其暂停：
wsl --shutdown首先去要转移到的盘新建一个文件夹，如图所示，我要转移到F:\linux\Ubuntu位置
回到终端输入命令：
wsl --export Ubuntu-22.04(根据自己版本填写) 转移的位置+\名称.tar如图所示即为导出成功：
接下来注销当前C盘的版本：
wsl --unregister 名称
注销成功后，重新导入WSL并安装在目标盘：
wsl --import 版本 导入位置 第一步tar包的位置 --version 2可能不太好理解，此时我的命令是：
wsl --import Ubuntu-22.04 F:\linux\Ubuntu F:\linux\Ubuntu\Ubuntu-22.04.tar --version 2效果如图：
导入成功，我们可以手动删除导入位置的tar包：
然后在终端输入WSL：
此时用户是root，不是我们自己创建的用户，我们可以设置默认用户
首先输入exit退回到终端，然后输入下面命令：
名称 config --default-user 用户注意！这句命令的“名称”部分，输入前几个字母然后按Tab键自动补全！
可以看到，名称变了，因此需要自动补全，这样才不会出问题，设置好以后点击终端下拉图标选择进入Ubuntu
至此WSL和Ubuntu已经安装好了，接下来的章节是在WSL的Ubuntu配置Pytorch
安装CUDA
WSL和windows公用显卡驱动
1、打开NVIDIA控制面板
在安装CUDA前要确认电脑能安装什么版本的CUDA
如图所示，本机最高可安装CUDA 12.2版本
2、下载CUDA
进入CUDA下载页面
https://developer.nvidia.com/cuda-toolkit-archive
选择要下载的CUDA版本，不能超过最高可安装的版本，我选择CUDA11.7.1，
点进去，安装系统选择
一共五项，然后下拉页面会看到安装命令
将其一条一条的输入到Ubuntu的终端中：
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/11.7.1/local_installers/cuda-repo-wsl-ubuntu-11-7-local_11.7.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-7-local_11.7.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda 如图所示，共七条命令，就不一条一条的截图了，全部复制进去，等待安装完成即可：
过程可能有些慢，等待即可
3、配置环境变量
在终端输入下方指令：
sudo nano ~/.bashrc将下面内容填入到最后：
export PATH=/usr/local/cuda-11.7(安装的版本)/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7(安装的版本)/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
注意：安装的CUDA11.7.1，但是配置环境变量时写到11.7
按Ctrl+X保存退出，然后更新环境变量：
source ~/.bashrc
执行下面命令，检测CUDA是否安装成功,如图即为安装成功：
安装cuDNN
cuDNN不是必须安装的，而且我按照各种教程安装以后反而错误更多，所以在这里我不再演示如何安装cuDNN，如果安装的小伙伴有好的方法安装后没什么错误，可以一起交流！
注：不安装cuDNN几乎没有什么影响(自己认为)
安装Anaconda
首先进入到Anaconda官网
https://www.anaconda.com/download
选择右侧小企鹅
到下图，右键并选择复制链接
回到终端执行：
wget+链接
等待安装完成即可
安装成功后执行：
sh Anaconda3-2023.03-1-Linux-x86_64.sh输入sh An后按Tab键自动补全后面的内容就可
然后一直按回车Enter，直到最后输入yes
提示Anaconda将会安装到/home/user文件夹下，再次点击回车键，然后等待安装结束
出现下图就是安装成功
安装完成后，建议重新进入一次UBuntu终端，因为容易出现错误，找不到conda命令
当我们重新进入时，就发现前面带有(base)
安装虚拟环境
在windows下我们也是将pytorch安装在虚拟环境下，因为当出现错误，直接删除虚拟环境重新安装即可
输入下方命令：
conda create --name 虚拟环境名字 python=版本
等待安装完成，激活我们建立的虚拟环境
conda activate 虚拟环境名字
这样我们就进入了新建的虚拟环境中，接下来在虚拟环境中安装Pytorch
安装Pytorch
进入Pytorch主页，如果过慢可以安装国内镜像
https://pytorch.org/get-started/previous-versions/
找到我们安装CUDA版本对应的Pytorch版本命令
复制命令去Ubuntu终端粘贴安装：
开始安装后，我们能做的只有等待......
安装完成后就可以退出终端了，可以把WSL配置到Pycharm中使用了
Pycharm配置WSL
注意：必须使用Pycharm专业版
在Pycharm右下角编译器，如图所示进行选择
系统安装WSL后，会自动检测
等待显示successfully后点击Next
接下来选择Virtualenv Environment，在Environment中选择Existing
然后选择如下路径
\wsl$\Ubuntu-22.04\home\user(安装Ubuntu时设定的用户)\anaconda3\envs\pytorch_env(自己创建的虚拟环境)\bin\python3
等待Pycharm响应，响应完成后可以进行验证
打开Pychram中的Terminal终端，输入wsl
如图我们就进入了Linux系统，安装成功！
完结撒花~