企业官网建设流程全解析

2026 年 10 月 7 日复查时发现pip install tensorflow[and-cuda]这条命令：它会把 CUDA、cuDNN 等 13 个 NVIDIA 依赖包通过 pip 直接装进虚拟环境， 可以省掉本文第 6、7 两节 （不用配 NVIDIA 的 apt 源、不用配环境变量、不用管版本对应）。代价是下载量约 2~3 GB，且版本不能自选。驱动仍需先在 Windows 侧装好。由于我现在手头上没有显卡，这条命令我尚未验证，大家可以自行尝试。

1. 启用 WSL2 服务

1. 快捷键Win + X，选择「PowerShell（管理员）」
2. 执行以下命令：

# 启用 WSL2dism.exe/online/enable-feature/featurename:Microsoft-Windows-Subsystem-Linux/all/norestart# 启用虚拟机平台dism.exe/online/enable-feature/featurename:VirtualMachinePlatform/all/norestart# 更新 WSL2wsl.exe--update# 设置 WSL2 为默认版本wsl--set-default-version 2# 安装 Ubuntu 24.04wsl--install-d Ubuntu-24.04

2. 首次设置 Ubuntu 24.04

• 第一次进入虚拟机会提示输入用户名和密码
• 注意：
  • 这是在创建用户和设置密码
  • 输入密码时不会显示任何字符
  • 需要输入两次密码，第二次为确认

3. 日常使用 WSL2

• 快捷键Win + R，输入cmd打开命令行
• 输入以下命令之一：
  • wsl：进入默认的 WSL 环境
  • wsl -d Ubuntu-24.04：指定进入 Ubuntu 24.04

4. 更新系统并安装常用工具

从这一步开始，所有命令都在 Ubuntu 终端中执行，不再是 Windows 的 PowerShell。先更新软件源，再安装后续会用到的工具。

sudoaptupdate&&sudoaptupgrade-ysudoaptinstall-ygitwgetcurlhtopnvtop btop

5. NVIDIA 驱动安装

Windows 主机安装好 NVIDIA 驱动后，WSL 会自动复用 Windows 侧的驱动库，无需在 Linux 内单独安装。

在 WSL 中验证：

nvidia-smi

若nvidia-smi没有输出显卡信息，说明驱动没有正确透传，建议回到 Windows 侧重新安装驱动后再验证，而不是在 WSL 里安装 Linux 版驱动。

6. 安装 CUDA 12.5

截至 2025 年 7 月 17 日，TensorFlow 官方文档给出的 CUDA 要求是 CUDA Toolkit 12.3。本文实测 12.5 也能正常跑通，因此选择 CUDA 12.5。

# 配置仓库wgethttps://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pinsudomvcuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600sudoapt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/3bf863cc.pubsudoadd-apt-repository"deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /"sudoaptupdate# 安装 CUDA 12.5sudoaptinstall-ycuda-12-5# 配置环境变量echo'export PATH=/usr/local/cuda-12.5/bin:$PATH'>>~/.bashrcecho'export LD_LIBRARY_PATH=/usr/local/cuda-12.5/lib64:$LD_LIBRARY_PATH'>>~/.bashrcsource~/.bashrc# 验证安装nvcc-V

nvcc -V能输出 CUDA 版本号，说明安装成功。

7. 安装 cuDNN 9.11.0

cuDNN 是深度学习算子的加速库，需要与 CUDA 12.x 配套。TensorFlow 官方没有针对 2.19.0 单独指定 cuDNN 版本，本文使用的 9.11.0 是实测可用的组合。

wgethttps://developer.download.nvidia.com/compute/cudnn/9.11.0/local_installers/cudnn-local-repo-ubuntu2404-9.11.0_1.0-1_amd64.debsudodpkg-icudnn-local-repo-ubuntu2404-9.11.0_1.0-1_amd64.debsudocp/var/cudnn-local-repo-ubuntu2404-9.11.0/cudnn-*-keyring.gpg /usr/share/keyrings/sudoapt-getupdatesudoapt-get-yinstallcudnn

8. 创建 TensorFlow 虚拟环境

用 conda 建一个独立环境，避免污染系统 Python。若还没装 Miniconda，可先执行注释里的三步；也可以改用 venv 等其他工具。

# 可选：安装 Miniconda# wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# bash Miniconda3-latest-Linux-x86_64.sh# source ~/.bashrc# 创建虚拟环境conda create-ntf21python=3.12-yconda activate tf21

9. 安装 TensorFlow 2.19.0 GPU 版本

pipinstalltensorflow==2.19.0

该 wheel 本身是 GPU-capable 的，但不会自带 CUDA 与 cuDNN 库，GPU 支持依赖前面安装的系统级 CUDA / cuDNN。

10. 验证安装

python-c"import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

预期输出示例

看输出的最后一行有没有 GPU 设备列表，例如：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

注意：输出中可能包含一些警告信息，但只要最后显示了 GPU 设备列表，就表示安装成功。