【24年9月亲测可用】Windows11-WSL2-Ubuntu22.04-可视化桌面安装教程(附带CUDA,cuDNN)

WSL2 Ubuntu+gnome图形界面的安装血泪史(亲测有效) 这边已经升级为WSL2,官方资料说明其可以使用windows下的显卡驱动,嗯就很香~,言归正传,看看如何配置WSL2 Ubuntu+gnome图形界面。网上的参考资料基本没说清楚是用真linux还是虚拟机下的ubuntu,这点我绕了很多的弯路,也尝试了大部分比较靠谱的资料最后均无法实现!这边又有一个大坑,很多人在这边发现屏幕还是黑屏,我来来回回试了30多次吧,均也是这种情况,这时候可以去看看是不是VcXsrv被防火墙给拦截了。首先打开windows应用商店,输入ubuntu,这边我下载的是。 阅读详情
AI摘要

本文提供了2024年9月亲测可用的Windows11-WSL2-Ubuntu22.04可视化桌面安装教程,包含在Windows上安装Linux子系统、在Ubuntu上安装桌面环境、从Windows启动桌面版Ubuntu等步骤,还介绍了CUDA和cuDNN的安装与配置,同时给出解决常见报错的方法。

TL;DR

本文主要参照这个教程,但是需要使用这个链接和这个链接作为补丁,否则用远程桌面链接之后会一直黑屏/蓝屏。

作者注:

如果读者之前安装失败了,可以去最后面这里搜索一下里面是否有你之前看过的教程,本人亲测都不太好用。

软硬件环境:

OS: Windows 11 家庭中文版 23H2 22631.4037
WSL 版本: 2.3.17.0
内核版本: 5.15.153.1-2
WSLg 版本: 1.0.64
MSRDC 版本: 1.2.5326
Direct3D 版本: 1.611.1-81528511
DXCore 版本: 10.0.26100.1-240331-1435.ge-release
CPU:Intel Core i9-14900HX
GPU:NVIDIA GeForce RTX 4060 Laptop GPU

一、在Windows上安装Linux子系统

第一步没什么坑,可以直接参照这个教程,直到安装好系统,出现这个界面,记得更新wsl版本就行,而且要下载22.04版本的Ubuntu,原教程是22.04:
在这里插入图片描述

二、在子系统Ubuntu22.04上安装桌面环境

2.1 更换国内镜像源(以阿里源为例)

先备份原来的软件源(虽然大概不会用到),之后删光当前软件源内的内容,再添加进新的内容。

# 备份原来的软件源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
# 编辑软件源
sudo vim /etc/apt/sources.list

如果是vim打开的这个文件,可以连续按D键来删除光标所在的行,之后按I键进入编辑模式,粘贴以下内容后按·ESC退出编辑模式,最后输入:wq保存并退出。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

如果想用清华源,就粘贴下面的内容:

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb
WSL 2 添加桌面GUI以及图像显示 为 WSL 2 开启桌面应用,进行IP地址和端口映射,在windows上使用 GUI, 阅读详情

相关推荐

使用WSL2安装ubuntu系统并配置深度学习环境

wsl2安装ubuntu部署深度学习环境的方法

u013358093的博客 2703

AI开发机配置指南:2.35W预算打造Ultra 7+RTX 5080本地推理工作站

AI开发对硬件提出明确需求:大显存承载模型推理,强单核保障数据处理,多核心加速编译调度。对于7B~13B量化模型,16GB显存是甜点区间;并行Agent与训练脚本则需要高计算密度与稳定供电。从通用装机逻辑出发,CPU、GPU、内存、存储的协同配置决定了开发效率。本文以2.35W预算为例,解析INTEL Ultra 7 270K与华硕RTX 5080的组合方案,涵盖BIOS设置、WSL2环境搭建及故障排查,为本地AI开发提供可复用的工程实践。

weixin_33796205的博客 375

OpenClaw本地部署:硬件评估与性能优化指南

AI开发框架的本地部署需要综合考虑计算资源、内存管理和存储性能等硬件因素。以GPU为核心的计算单元选择直接影响深度学习模型的训练效率,其中显存容量和CUDA计算能力是关键指标。内存配置需要平衡容量与带宽,双通道内存可显著提升数据吞吐量。存储子系统设计应区分系统盘、数据盘和冷存储的不同需求,NVMe SSD因其高IOPS特性成为首选。在OpenClaw等AI框架的实际部署中,合理的硬件配置结合CUDA加速、混合精度训练等技术,可大幅提升模型训练和推理性能。本文以OpenClaw为例,详细解析从GPU选型到存储

weixin_34267123的博客 409

Ultralytics Docker 实战指南:解决YOLO环境一致性与GPU调用难题

Docker 是保障深度学习模型(如 YOLO)跨平台一致运行的核心基础设施,其本质是通过容器化封装 Python 环境、CUDA 工具链与依赖库,实现‘一次构建、处处运行’。原理上依赖镜像分层、命名空间隔离与设备透传机制,技术价值在于消除‘在我机器上能跑’的协作熵增,显著提升模型训练、推理与部署的可复现性。典型应用场景涵盖实验室服务器迁移、边缘设备(Jetson/树莓派)适配、客户现场快速交付及 CI/CD 自动化流水线。本文聚焦 Ultralytics 官方 Docker 镜像在真实项目中的落地痛点,深

germmy-神一样的开发 438

云GPU实战指南:从零搭建深度学习环境到高效训练部署

GPU作为并行计算的核心硬件,通过其数千个计算核心显著加速矩阵运算等计算密集型任务,是人工智能与高性能计算的算力基石。其技术价值在于将强大的并行计算能力封装成通用处理器,使得深度学习模型训练、科学模拟等任务得以高效执行。在应用场景上,从学术研究到工业级AI模型开发,GPU都不可或缺。面对本地GPU高昂的购置与维护成本,云GPU服务应运而生,它提供了按需取用、弹性伸缩的算力解决方案。本文以国产云GPU平台为例,系统性地讲解了如何选择GPU实例、配置包括CUDA和PyTorch在内的完整深度学习环境,并分享了基

weixin_34288121的博客 476

【YOLOv8/v9/v10 实战 07】环境搭建与数据准备:从零开始配置YOLO训练环境

本文详细介绍了从零开始配置YOLO(v8/v9/v10)训练环境的完整流程。涵盖硬件选型建议、操作系统与驱动配置、CUDA/cuDNN/PyTorch安装(含多版本共存)、Ultralytics库深度使用、数据集构建规范(YOLO格式、标注工具、格式转换)、训练启动与监控、多GPU与混合精度训练,以及典型错误的排查方法。旨在帮助开发者和学生快速搭建稳定高效的训练环境,避免环境兼容性问题,为后续模型训练和调优奠定坚实基础。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 314

图像质量评估:使用 SSIM 计算图像相似性

在图像处理领域,衡量两幅图像之间相似性的一种常见方法是使用结构相似性指数(SSIM)。SSIM 是一种全参考的图像质量评估指标,它不仅考虑了图像的亮度、对比度,还考虑了结构信息。在本文中,我们将介绍一个使用 Python 和 OpenCV 实现的 SSIM 计算脚本,并使用该脚本评估两幅图像的相似性。

hasque2019的博客 1154

2022李宏毅作业hw1—新冠阳性人员数量预测。

从非常基础的内容开始,主要是我的水平也很基础。

YI_SHU_JIA的博客 1万+

Tessent_StdcellLib

第二种为 Tessent Cell lib,既可用于功能仿真,也可以用于测试逻辑插入。lib包含了用于仿真的功能信息,也包含DFT cell属性。如何使用tessent工具将stdcell verilog 仿真模型转换为tessent自己的lib。运行后工具会生成一个atpg的lib文件,打开文件,找到一个带SI的DFF,只有功能描述。tessnt lib分为两种,第一种为ATBG lib,可以用于仿真;打开生成的lib文件,多了dft_cell_selection。第二部:编写attributes文件。

qq_40411444的博客 2144

BLDC&PMSM电机控制器硬件设计工程(一)概述&需求&规划

这里是一个专注于电机控制器硬件工程的开放社区与知识仓库。我们的核心使命是分享、交流与共创,致力于解开无刷直流电机(BLDC)和永磁同步电机(PMSM)中、大功率控制器硬件设计,包括驱动IC选型,电流传感器选型,控制IC,母线电容计算,功率模块(IGBT、MOS管)选型以及大功率功率模块驱动电源设计。功率等级: 重点关注中等功率(如500W-10kW) 并向大功率(10kW以上) 延伸,探讨对应的功率器件(如MOSFET, IGBT, SiC)选型与驱动。

小幽余生不加糖 645

模型瘦身术:YOLOv5无损剪枝实战教程

本文介绍了一种YOLOv5模型的无损剪枝方法,通过"稀疏训练+结构化剪枝+微调"的流程,在不损失精度的前提下显著减小模型尺寸并提升推理速度。具体步骤包括:1)稀疏训练给参数排优先级;2)裁剪不重要通道;3)微调恢复精度;4)验证效果。实战部分详细展示了从环境搭建到剪枝实现的完整流程,并分析了剪枝后在边缘设备部署、实时检测等场景的优势。该方法可使YOLOv5s模型从14MB缩减至2-3MB,推理速度提升30%-50%,适用于资源受限设备的轻量化部署需求。

LXY_LOVE36的博客 106

使用AI预测彩票的架构思路

彩票是随机的数字游戏,不要过度依赖AI,本文仅供娱乐研究

淘淘小窝 9426

26、机器学习模型的成员推断攻击与隐私保护

本文探讨了机器学习模型面临的成员推断攻击及其对隐私的潜在威胁。通过使用CIFAR-10数据集,详细介绍了如何利用影子模型和攻击模型推断特定数据点是否属于模型的训练集。实验表明,即使无法直接访问模型参数和原始数据,攻击者仍能以高于随机猜测的概率进行推断,从而构成隐私风险。此外,文章还分析了实验的关键技术点,并提出了多种隐私保护建议,包括数据脱敏、差分隐私、模型正则化等方法。

coffee的博客 130

循迹小车控制实验:代码集成与硬件验证

在main.c文件中还需定义上层代码调用的GPIO输入和PWM输出相关函数,其中调用STM32CubeMX生成的HAL库函数。}else{}else{}else{}else{在main.h文件中的USER CODE BEGIN EFP注释代码段中外部声明Get函数和Set函数,使该函数可以被上层代码调用。循迹小车控制实验到本章全部完成。相比于前几章节的实验,本实验复杂程度是最高的。

u013288925的博客 130

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

全球国家地区城市数据

MySQL全球国家地区城市数据报。。。。。。。。。。。。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: 无 sudo 使用源码安装带 libmp3lame 的 FFMPEG
Leo9344
博客等级 码龄7年 59粉丝 12原创
评论 13
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址