基于WSL2+Docker的TensorFlow2配置流程

最新推荐文章于 2025-09-22 14:30:42 发布

原创

最新推荐文章于 2025-09-22 14:30:42 发布 · 1.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #docker #windows #深度学习 #vscode

本文详细介绍了如何在Windows11环境下，利用WSL2和Docker来配置TensorFlow2的GPU支持。首先，安装和设置WSL2环境，选择合适的Linux发行版如Ubuntu，并安装VisualStudioCode。接着，安装NVIDIA驱动。然后，安装DockerDesktop并启用WSL2backend。通过更换Docker国内源加速镜像下载，拉取TensorFlow的GPU-Jupyter镜像。最后，创建Docker容器，使用VSCode连接容器并验证GPU支持。

基于WSL2+Docker的TensorFlow2配置流程

本流程在Windows 11下进行，也适用于最新版本的Windows 10。基于Windows操作系统，对于日常使用和同时使用多个其他的开发环境更加友好，上手难度低；而基于Linux的深度学习，生态成熟且案例也更多，因此WSL2是一个非常不错的选择。同时本文兼顾了基于Cuda的深度学习开发。

适用于 Linux 的 Windows 子系统（WSL）可让开发人员按原样运行 GNU/Linux 环境 - 包括大多数命令行工具、实用工具和应用程序 - 且不会产生传统虚拟机或双启动设置开销。

WSL 2 是适用于 Linux 的 Windows 子系统体系结构的一个新版本，它支持适用于 Linux 的 Windows 子系统在 Windows 上运行 ELF64 Linux 二进制文件。它的主要目标是提高文件系统性能，以及添加完全的系统调用兼容性。

——WSL官方文档-什么是WSL？

对于PyTorch而言，直接使用WSL2+Linux发行版本+Conda建立环境即可，而TF2的GPU支持需要安装Nvidia的各种驱动和库，再加上本身是在WSL中进行，配置起来好像很复杂，因此本文将基于Docker配置环境。