pycharm配置GPU加速

1.以管理员身份打开PowerShell，执行以下命令：

wsl --install

一般会有一下四步：1）启用Windows功能："适用于Linux的Windows子系统"和"虚拟机平台" 2）下载并安装最新的Linux内核3）将WSL 2设置为默认版本

4）安装Ubuntu发行版（默认）

如果卡在第二步，就按Ctrl+C 取消然后重新输入：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

2.重启计算机

3.下载并安装Linux内核更新包（步骤 4 - 下载 Linux 内核更新包） Manual installation steps for older versions of WSL | Microsoft Learn

4.重启后，再次以管理员身份打开PowerShell，运行：

wsl --set-default-version 2

5.安装Linux发行版

还是这个Manual installation steps for older versions of WSL | Microsoft Learn，在里面的“步骤 6 - 安装所选的 Linux 分发”下载，我下载的是Ubuntu 22.04 LTS

6.安装完成后打开Ubuntu，创建用户名和密码（密码输入的时候发现光标不动，也没有*属于正常现象）

7.在Ubuntu里，输入然后回车：

sudo apt update && sudo apt upgrade -y

8.输入然后回车：

sudo apt install -y build-essential gcc g++ make binutils software-properties-common wget

9.输入然后回车：

sudo apt install -y python3-dev python3-pip

10.输入然后回车：

pip3 install --upgrade pip

11.确保NVIDIA驱动已安装

12.在Ubuntu终端中运行：

nvidia-smi

这应该显示您的GPU信息和驱动版本。如果显示"命令未找到"，可能需要进一步配置

13.输入然后回车：

pip3 install tensorflow[and-cuda]

如果下载的很慢，则Ctrl+C多按几次取消下载，然后输入：

pip3 install tensorflow[and-cuda] -i https://pypi.tuna.tsinghua.edu.cn/simple

14.验证：

运行nvidia-smi

这应该显示您的GPU信息、驱动版本等。

15.输入：

nano ~/.bashrc

16.滚动到文件底部，添加以下行：

export PATH="$HOME/.local/bin:$PATH"

按Ctrl+O保存文件，然后按Enter确认，按Ctrl+X退出编辑器

输入：source ~/.bashrc

17.pip3 install numpy pandas matplotlib scikit-learn jupyter -i Simple Index

18.运行python3 -c "import tensorflow as tf; print('TensorFlow version:', tf.__version__); print('GPU Available:', tf.config.list_physical_devices('GPU'))"

如果成功，您应该看到您的GPU被列出如：

GPU Available: [PhysicalDevice(name='/physical_device:G