Leather Dress Collection 在WSL2中的开发与调试教程对于Windows平台的开发者来说想要在本地顺畅地运行和调试一些基于Linux环境的AI项目过去常常是个头疼的问题。要么得装双系统要么得折腾虚拟机效率总是不尽如人意。现在有了WSL2Windows Subsystem for Linux 2情况就大不一样了。它让你能在Windows里无缝运行一个完整的Linux系统而且性能损耗极低。今天我们就来手把手地带你走一遍如何在WSL2里搭建好开发环境并把“Leather Dress Collection”这个项目跑起来还能用VS Code进行丝滑的远程调试。整个过程就像在本地开发一样方便再也不用为环境问题发愁了。1. 准备工作安装与配置WSL2在开始之前你需要确保你的Windows系统满足一些基本要求。首先你的Windows 10版本需要在2004及以上内部版本19041及以上或者使用Windows 11。其次你的电脑需要支持虚拟化技术通常在BIOS/UEFI设置里可以开启。1.1 启用WSL2功能第一步我们需要在Windows上打开几个必要的功能。这个过程很简单通过管理员权限的PowerShell或者命令提示符就能完成。以管理员身份打开PowerShell然后依次执行下面两条命令。第一条命令会启用“适用于Linux的Windows子系统”这个功能第二条命令则会启用“虚拟机平台”功能。# 启用适用于Linux的Windows子系统 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台功能 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart执行完这两条命令后强烈建议你重启一下电脑。这样能确保所有更改都生效避免后续步骤出现奇怪的问题。1.2 安装Linux发行版并设置为WSL2电脑重启后我们就可以去安装一个Linux发行版了。微软商店Microsoft Store里提供了好几个选择比如Ubuntu、Debian、OpenSUSE等。对于大多数开发场景尤其是AI和机器学习我推荐使用Ubuntu因为它有最广泛的社区支持和软件包。打开Microsoft Store。在搜索框里输入 “Ubuntu”。你会看到几个版本比如“Ubuntu 22.04 LTS”或“Ubuntu 20.04 LTS”。选择一个长期支持版LTS点击获取并安装。安装完成后在开始菜单里找到并启动它。第一次启动会需要几分钟来初始化并让你设置一个Unix用户名和密码。这个密码在后续使用sudo命令时会用到请记好。安装好Linux后我们还需要把WSL的默认版本设置为2。重新打开PowerShell不需要管理员权限了输入下面的命令# 将WSL 2设置为默认版本 wsl --set-default-version 2如果你想确认一下某个发行版是否运行在WSL2下可以使用wsl -l -v命令来查看所有已安装发行版及其状态。2. 配置Linux开发环境现在我们已经有了一个干净的Ubuntu系统。接下来我们需要在里面配置好运行“Leather Dress Collection”项目所需的环境。这主要包括更新系统、安装Python、配置CUDA如果你有NVIDIA显卡并想做GPU加速的话以及安装项目依赖。2.1 基础系统与Python环境首先我们更新一下系统软件包列表并升级已有的软件包。打开你的Ubuntu终端WSL窗口输入sudo apt update sudo apt upgrade -y接着安装Python3和Python的包管理工具pip。Ubuntu通常预装了Python3但我们还是确保一下并安装开发所需的头文件。sudo apt install python3 python3-pip python3-venv -y我强烈建议为这个项目创建一个独立的Python虚拟环境。这样可以避免不同项目之间的依赖冲突。# 创建一个名为‘ldc_env’的虚拟环境 python3 -m venv ldc_env # 激活虚拟环境 source ldc_env/bin/activate激活后你的命令行提示符前面应该会出现(ldc_env)的字样表示你现在在这个虚拟环境里操作。2.2 配置GPU支持可选但推荐如果你的电脑有NVIDIA显卡并且你想利用GPU来加速模型推理或训练那么配置CUDA会带来巨大的性能提升。幸运的是在WSL2里使用GPU比以往简单多了。首先你需要在Windows主机上安装正确版本的NVIDIA显卡驱动。请直接去NVIDIA官网下载并安装“Windows版”的驱动WSL2会自动识别并使用它你不需要在Ubuntu内部再安装Linux版驱动。然后在Ubuntu内部确保虚拟环境已激活安装CUDA Toolkit和cuDNN。最方便的方法是使用NVIDIA提供的网络仓库。以下命令以CUDA 11.8为例请根据你的项目和显卡兼容性选择合适的版本# 添加NVIDIA包仓库的密钥和仓库地址 wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb sudo apt update # 安装CUDA Toolkit sudo apt install cuda-toolkit-11-8 -y安装完成后将CUDA路径添加到环境变量中。你可以编辑~/.bashrc文件echo export PATH/usr/local/cuda-11.8/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc最后通过nvidia-smi命令来验证GPU是否在WSL2中可见。如果能看到你的显卡信息那就恭喜你配置成功了2.3 安装项目依赖现在来到项目本身。假设你已经把“Leather Dress Collection”的代码克隆到了WSL2的文件系统里比如在/home/yourname/projects/目录下。进入项目目录并确保虚拟环境是激活状态然后使用pip安装项目依赖。通常项目会有一个requirements.txt文件。cd /path/to/your/leather-dress-collection pip install -r requirements.txt如果项目没有提供这个文件你可能需要根据它的文档或setup.py来手动安装核心依赖比如PyTorch、TensorFlow或者其他AI框架。记得安装WSL2兼容的版本。3. 使用VS Code进行远程连接与调试在终端里敲命令固然可以但对于开发调试来说一个强大的IDE能极大提升效率。VS Code的“远程开发”扩展包能让你像编辑本地文件一样无缝地编辑WSL2里的代码并进行图形化的调试。3.1 安装VS Code与远程扩展首先在Windows上安装 Visual Studio Code。安装完成后打开VS Code点击侧边栏的扩展图标或按CtrlShiftX搜索并安装“Remote Development”扩展包。这个扩展包包含了连接WSL、容器和远程主机的所有功能。3.2 连接到WSL2并打开项目安装好扩展后你会发现VS Code左下角多了一个绿色的远程连接图标类似。点击这个图标或者按F1打开命令面板输入 “Remote-WSL”。选择“New WSL Window”或“Connect to WSL”。VS Code会打开一个新窗口并自动连接到你的WSL2 Ubuntu系统。在新窗口里使用File - Open Folder...菜单浏览到你的WSL2文件系统路径通常以\\wsl$\开头找到并打开“Leather Dress Collection”项目文件夹。现在整个VS Code的界面实际上是在WSL2环境中运行了。你可以在资源管理器里看到项目文件终端也是WSL2的Ubuntu终端。你可以在这里安装Python扩展、代码格式化工具等它们都会作用于这个远程环境。3.3 配置与启动调试VS Code最强大的功能之一就是调试。我们需要为项目配置一个调试会话。在项目根目录下确保有一个.vscode文件夹。如果没有就创建一个。在.vscode文件夹内创建一个名为launch.json的文件。这是调试配置文件。根据你的项目类型填充配置。例如对于一个Python应用配置可能如下所示{ version: 0.2.0, configurations: [ { name: Python: Launch Leather Dress Collection, type: python, request: launch, program: ${workspaceFolder}/main.py, // 你的主程序入口文件 console: integratedTerminal, justMyCode: false, // 如果你想进入第三方库代码可以设为false env: { PYTHONPATH: ${workspaceFolder} } } ] }打开你的主程序文件比如main.py在你想设置断点的行号左边点击一下会出现一个红点。点击VS Code左侧的“运行和调试”图标或按CtrlShiftD选择上面配置好的 “Python: Launch Leather Dress Collection”然后点击绿色的开始按钮。VS Code会启动你的程序并在断点处暂停。这时你可以查看变量值、调用堆栈单步执行代码就像调试本地程序一样流畅。所有的计算实际上都在WSL2的Linux环境中进行。4. 项目运行与常见问题排查环境搭好了调试器也连上了现在让我们试着把项目跑起来并看看可能会遇到哪些“坑”。4.1 启动Leather Dress Collection在VS Code的集成终端已经是WSL2环境里或者直接在Ubuntu终端里导航到项目目录激活虚拟环境然后运行启动命令。这个命令因项目而异可能是python main.py # 或者 python app.py # 或者根据项目说明如使用uvicorn启动一个web服务 uvicorn server:app --host 0.0.0.0 --port 8000 --reload如果项目是一个Web应用比如基于Gradio或Streamlit启动后它通常会告诉你一个本地访问地址例如http://127.0.0.1:7860。注意这个地址是在WSL2的Linux网络环境里的。4.2 在Windows浏览器中访问WSL2服务你无法直接在Windows浏览器里输入127.0.0.1:7860来访问WSL2中运行的服务因为这是两个不同的网络命名空间。WSL2有一个特性它会自动将WSL2中监听0.0.0.0的端口映射到Windows的localhost上。所以如果项目在WSL2中运行在0.0.0.0:7860那么你在Windows的浏览器里直接访问http://localhost:7860就可以了非常方便。4.3 可能遇到的问题与解决思路性能问题确保项目文件是放在WSL2的文件系统内比如/home/目录下而不是Windows的挂载目录如/mnt/c/。访问/mnt/c/下的文件性能会差很多。端口占用或无法访问检查WSL2中服务是否真的启动成功并监听在0.0.0.0。可以使用netstat -tulpn | grep 端口号命令查看。同时检查Windows防火墙是否阻止了连接。GPU不可用再次确认nvidia-smi命令有输出并且你安装的PyTorch/TensorFlow是CUDA版本。在Python中可以用torch.cuda.is_available()来测试。依赖安装失败有些Linux原生库可能需要先安装。如果遇到编译错误仔细看错误信息通常需要安装像python3-dev,build-essential,libssl-dev这样的包。使用sudo apt install来安装它们。VS Code扩展不工作确保你是在连接到WSL的窗口里安装的扩展。有些扩展有“本地”和“WSL”两个版本需要安装在WSL环境中。5. 总结走完这一整套流程你应该已经成功在WSL2里搭建起了一个功能完整的Linux开发环境并且把“Leather Dress Collection”项目运行调试起来了。回顾一下核心的便利性就体现在两点一是免去了双系统切换的麻烦在Windows里就能获得原生Linux的开发体验二是通过VS Code的远程开发把代码编辑、运行、调试的体验做到了和本地开发几乎无差。这种组合对于Windows上的AI开发者来说确实是一个生产力利器。它既保留了Windows的日常办公娱乐的便利又提供了Linux服务器般的开发环境还能直接调用本地的GPU资源。如果你之前一直被环境配置困扰不妨试试这个方案可能会打开一扇新的大门。接下来你就可以专注于项目本身的逻辑和算法优化了。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Leather Dress Collection 在WSL2中的开发与调试教程
发布时间：2026/5/28 10:33:29
Leather Dress Collection 在WSL2中的开发与调试教程对于Windows平台的开发者来说想要在本地顺畅地运行和调试一些基于Linux环境的AI项目过去常常是个头疼的问题。要么得装双系统要么得折腾虚拟机效率总是不尽如人意。现在有了WSL2Windows Subsystem for Linux 2情况就大不一样了。它让你能在Windows里无缝运行一个完整的Linux系统而且性能损耗极低。今天我们就来手把手地带你走一遍如何在WSL2里搭建好开发环境并把“Leather Dress Collection”这个项目跑起来还能用VS Code进行丝滑的远程调试。整个过程就像在本地开发一样方便再也不用为环境问题发愁了。1. 准备工作安装与配置WSL2在开始之前你需要确保你的Windows系统满足一些基本要求。首先你的Windows 10版本需要在2004及以上内部版本19041及以上或者使用Windows 11。其次你的电脑需要支持虚拟化技术通常在BIOS/UEFI设置里可以开启。1.1 启用WSL2功能第一步我们需要在Windows上打开几个必要的功能。这个过程很简单通过管理员权限的PowerShell或者命令提示符就能完成。以管理员身份打开PowerShell然后依次执行下面两条命令。第一条命令会启用“适用于Linux的Windows子系统”这个功能第二条命令则会启用“虚拟机平台”功能。# 启用适用于Linux的Windows子系统 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台功能 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart执行完这两条命令后强烈建议你重启一下电脑。这样能确保所有更改都生效避免后续步骤出现奇怪的问题。1.2 安装Linux发行版并设置为WSL2电脑重启后我们就可以去安装一个Linux发行版了。微软商店Microsoft Store里提供了好几个选择比如Ubuntu、Debian、OpenSUSE等。对于大多数开发场景尤其是AI和机器学习我推荐使用Ubuntu因为它有最广泛的社区支持和软件包。打开Microsoft Store。在搜索框里输入 “Ubuntu”。你会看到几个版本比如“Ubuntu 22.04 LTS”或“Ubuntu 20.04 LTS”。选择一个长期支持版LTS点击获取并安装。安装完成后在开始菜单里找到并启动它。第一次启动会需要几分钟来初始化并让你设置一个Unix用户名和密码。这个密码在后续使用sudo命令时会用到请记好。安装好Linux后我们还需要把WSL的默认版本设置为2。重新打开PowerShell不需要管理员权限了输入下面的命令# 将WSL 2设置为默认版本 wsl --set-default-version 2如果你想确认一下某个发行版是否运行在WSL2下可以使用wsl -l -v命令来查看所有已安装发行版及其状态。2. 配置Linux开发环境现在我们已经有了一个干净的Ubuntu系统。接下来我们需要在里面配置好运行“Leather Dress Collection”项目所需的环境。这主要包括更新系统、安装Python、配置CUDA如果你有NVIDIA显卡并想做GPU加速的话以及安装项目依赖。2.1 基础系统与Python环境首先我们更新一下系统软件包列表并升级已有的软件包。打开你的Ubuntu终端WSL窗口输入sudo apt update sudo apt upgrade -y接着安装Python3和Python的包管理工具pip。Ubuntu通常预装了Python3但我们还是确保一下并安装开发所需的头文件。sudo apt install python3 python3-pip python3-venv -y我强烈建议为这个项目创建一个独立的Python虚拟环境。这样可以避免不同项目之间的依赖冲突。# 创建一个名为‘ldc_env’的虚拟环境 python3 -m venv ldc_env # 激活虚拟环境 source ldc_env/bin/activate激活后你的命令行提示符前面应该会出现(ldc_env)的字样表示你现在在这个虚拟环境里操作。2.2 配置GPU支持可选但推荐如果你的电脑有NVIDIA显卡并且你想利用GPU来加速模型推理或训练那么配置CUDA会带来巨大的性能提升。幸运的是在WSL2里使用GPU比以往简单多了。首先你需要在Windows主机上安装正确版本的NVIDIA显卡驱动。请直接去NVIDIA官网下载并安装“Windows版”的驱动WSL2会自动识别并使用它你不需要在Ubuntu内部再安装Linux版驱动。然后在Ubuntu内部确保虚拟环境已激活安装CUDA Toolkit和cuDNN。最方便的方法是使用NVIDIA提供的网络仓库。以下命令以CUDA 11.8为例请根据你的项目和显卡兼容性选择合适的版本# 添加NVIDIA包仓库的密钥和仓库地址 wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb sudo apt update # 安装CUDA Toolkit sudo apt install cuda-toolkit-11-8 -y安装完成后将CUDA路径添加到环境变量中。你可以编辑~/.bashrc文件echo export PATH/usr/local/cuda-11.8/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc最后通过nvidia-smi命令来验证GPU是否在WSL2中可见。如果能看到你的显卡信息那就恭喜你配置成功了2.3 安装项目依赖现在来到项目本身。假设你已经把“Leather Dress Collection”的代码克隆到了WSL2的文件系统里比如在/home/yourname/projects/目录下。进入项目目录并确保虚拟环境是激活状态然后使用pip安装项目依赖。通常项目会有一个requirements.txt文件。cd /path/to/your/leather-dress-collection pip install -r requirements.txt如果项目没有提供这个文件你可能需要根据它的文档或setup.py来手动安装核心依赖比如PyTorch、TensorFlow或者其他AI框架。记得安装WSL2兼容的版本。3. 使用VS Code进行远程连接与调试在终端里敲命令固然可以但对于开发调试来说一个强大的IDE能极大提升效率。VS Code的“远程开发”扩展包能让你像编辑本地文件一样无缝地编辑WSL2里的代码并进行图形化的调试。3.1 安装VS Code与远程扩展首先在Windows上安装 Visual Studio Code。安装完成后打开VS Code点击侧边栏的扩展图标或按CtrlShiftX搜索并安装“Remote Development”扩展包。这个扩展包包含了连接WSL、容器和远程主机的所有功能。3.2 连接到WSL2并打开项目安装好扩展后你会发现VS Code左下角多了一个绿色的远程连接图标类似。点击这个图标或者按F1打开命令面板输入 “Remote-WSL”。选择“New WSL Window”或“Connect to WSL”。VS Code会打开一个新窗口并自动连接到你的WSL2 Ubuntu系统。在新窗口里使用File - Open Folder...菜单浏览到你的WSL2文件系统路径通常以\\wsl$\开头找到并打开“Leather Dress Collection”项目文件夹。现在整个VS Code的界面实际上是在WSL2环境中运行了。你可以在资源管理器里看到项目文件终端也是WSL2的Ubuntu终端。你可以在这里安装Python扩展、代码格式化工具等它们都会作用于这个远程环境。3.3 配置与启动调试VS Code最强大的功能之一就是调试。我们需要为项目配置一个调试会话。在项目根目录下确保有一个.vscode文件夹。如果没有就创建一个。在.vscode文件夹内创建一个名为launch.json的文件。这是调试配置文件。根据你的项目类型填充配置。例如对于一个Python应用配置可能如下所示{ version: 0.2.0, configurations: [ { name: Python: Launch Leather Dress Collection, type: python, request: launch, program: ${workspaceFolder}/main.py, // 你的主程序入口文件 console: integratedTerminal, justMyCode: false, // 如果你想进入第三方库代码可以设为false env: { PYTHONPATH: ${workspaceFolder} } } ] }打开你的主程序文件比如main.py在你想设置断点的行号左边点击一下会出现一个红点。点击VS Code左侧的“运行和调试”图标或按CtrlShiftD选择上面配置好的 “Python: Launch Leather Dress Collection”然后点击绿色的开始按钮。VS Code会启动你的程序并在断点处暂停。这时你可以查看变量值、调用堆栈单步执行代码就像调试本地程序一样流畅。所有的计算实际上都在WSL2的Linux环境中进行。4. 项目运行与常见问题排查环境搭好了调试器也连上了现在让我们试着把项目跑起来并看看可能会遇到哪些“坑”。4.1 启动Leather Dress Collection在VS Code的集成终端已经是WSL2环境里或者直接在Ubuntu终端里导航到项目目录激活虚拟环境然后运行启动命令。这个命令因项目而异可能是python main.py # 或者 python app.py # 或者根据项目说明如使用uvicorn启动一个web服务 uvicorn server:app --host 0.0.0.0 --port 8000 --reload如果项目是一个Web应用比如基于Gradio或Streamlit启动后它通常会告诉你一个本地访问地址例如http://127.0.0.1:7860。注意这个地址是在WSL2的Linux网络环境里的。4.2 在Windows浏览器中访问WSL2服务你无法直接在Windows浏览器里输入127.0.0.1:7860来访问WSL2中运行的服务因为这是两个不同的网络命名空间。WSL2有一个特性它会自动将WSL2中监听0.0.0.0的端口映射到Windows的localhost上。所以如果项目在WSL2中运行在0.0.0.0:7860那么你在Windows的浏览器里直接访问http://localhost:7860就可以了非常方便。4.3 可能遇到的问题与解决思路性能问题确保项目文件是放在WSL2的文件系统内比如/home/目录下而不是Windows的挂载目录如/mnt/c/。访问/mnt/c/下的文件性能会差很多。端口占用或无法访问检查WSL2中服务是否真的启动成功并监听在0.0.0.0。可以使用netstat -tulpn | grep 端口号命令查看。同时检查Windows防火墙是否阻止了连接。GPU不可用再次确认nvidia-smi命令有输出并且你安装的PyTorch/TensorFlow是CUDA版本。在Python中可以用torch.cuda.is_available()来测试。依赖安装失败有些Linux原生库可能需要先安装。如果遇到编译错误仔细看错误信息通常需要安装像python3-dev,build-essential,libssl-dev这样的包。使用sudo apt install来安装它们。VS Code扩展不工作确保你是在连接到WSL的窗口里安装的扩展。有些扩展有“本地”和“WSL”两个版本需要安装在WSL环境中。5. 总结走完这一整套流程你应该已经成功在WSL2里搭建起了一个功能完整的Linux开发环境并且把“Leather Dress Collection”项目运行调试起来了。回顾一下核心的便利性就体现在两点一是免去了双系统切换的麻烦在Windows里就能获得原生Linux的开发体验二是通过VS Code的远程开发把代码编辑、运行、调试的体验做到了和本地开发几乎无差。这种组合对于Windows上的AI开发者来说确实是一个生产力利器。它既保留了Windows的日常办公娱乐的便利又提供了Linux服务器般的开发环境还能直接调用本地的GPU资源。如果你之前一直被环境配置困扰不妨试试这个方案可能会打开一扇新的大门。接下来你就可以专注于项目本身的逻辑和算法优化了。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
