# **WSL2 (Ubuntu 22.04.5 LTS) 開發環境安裝指南**

## **步驟 1：檢查 Windows 選用元件是否啟用**
WSL2 需要以下 Windows 選用元件：
- **虛擬機平臺（Virtual Machine Platform）**
- **Windows 子系統 Linux（Windows Subsystem for Linux）**

### **檢查與啟用方法**
1. 按下 **`Win + R`**，輸入以下命令，按 Enter：

   optionalfeatures

2. 在彈出的「Windows 功能」窗口中，確認以下選項是否被勾選：
- **虛擬機平臺**
- **Windows 子系統 Linux**
3. 如果未勾選，請勾選後按 **確定**。
4. 完成後重新啟動系統。

---

## **步驟 2：安裝與設定 WSL2**
1. 打開 PowerShell（以管理員身份運行），輸入以下命令：

   wsl --install -d Ubuntu-22.04

2. 如果提示需要安裝虛擬機平臺，系統將自動處理，完成後需要重新啟動。
3. 重啟後，首次啟動 WSL 將提示您設置用戶名和密碼。

### **確認安裝狀態**
執行以下命令檢查是否成功安裝：

wsl --list --verbose

應顯示以下內容：

  NAME              STATE           VERSION
* Ubuntu-22.04      Running         2

---

## **步驟 3：更新與準備系統**
1. 經歷多次**重開機**後，請設定 **系統使用者名稱(username)** 、 **系統使用者密碼(user password)**

3. 更新系統與安裝基本工具：

   sudo apt update && sudo apt upgrade -y
   sudo apt install -y build-essential wget curl

---

## **步驟 4：使用 Python venv 配置虛擬環境**
1. 安裝 Python venv：

   sudo apt install -y python3.9 python3.9-venv python3-pip

2. 建立與啟動虛擬環境：

   python3.9 -m venv torch
   source torch/bin/activate

3. 升級 pip：

   pip install --upgrade pip

---

## **步驟 5：安裝 CUDA 與 CuDNN**
1. 確認您的 Windows 已安裝最新的 NVIDIA 驅動：[下載驅動](https://www.nvidia.com/Download/index.aspx)。
2. 在 WSL 中安裝 CUDA：

   wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
   sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
   sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
   sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"
   sudo apt update
   sudo apt install -y cuda-12-3

3. 安裝 CuDNN：
- 解壓 CuDNN 文件（根據您提供的版本）。
- 將相關文件移至正確目錄：

     sudo cp -P include/cudnn*.h /usr/local/cuda/include
     sudo cp -P lib64/libcudnn* /usr/local/cuda/lib64
     sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. 配置環境變數：

   echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
   echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
   source ~/.bashrc

5. 測試 CUDA：

   nvidia-smi

---

## **步驟 6：安裝 Python 必要套件**
在虛擬環境中安裝以下套件：

pip install numpy matplotlib pandas pillow ffmpeg-python requests
pip install opencv-python opencv-contrib-python
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu123

---
## **步驟 7：驗證安裝**
1. 測試 **CUDA** 是否可用：

   python -c "import torch; print(f'CUDA Available: {torch.cuda.is_available()}')"

2. 確認套件版本：

   python -c 

3.創立一個 **.py** 檔案，執行套件檢查功能

import torch, numpy, matplotlib, pandas, cv2, ffmpeg, requests
print(f'Torch: {torch.__version__}, CUDA: {torch.version.cuda}')
print(f'NumPy: {numpy.__version__}, Matplotlib: {matplotlib.__version__}, Pandas: {pandas.__version__}')
print(f'OpenCV: {cv2.__version__}, Requests: {requests.__version__}')

---

完成這些步驟後，您將成功設置 WSL2 開發環境，並能夠使用 CUDA 支援的 PyTorch 和其他工具！ 🎉