本次實踐將在IDE（Pycharm或VSCode）上使用WSL2+Ubuntu22.04+Tensorflow+GPU進行機器學習訓練。基本原理是在IDE中拉起WSL2中的Python解釋器，并運行Python程序。要運行Conda+Tensorflow+GPU你可能需要進行以下準備工作。
1. 此示例中將使用一個mnist數據集的tensorflow機器學習訓練示例程序：楓葉/cnn-hello - 碼云 - 開源中國，?也可以通過以下cmd命令進行提前克隆（需要安裝git程序）。
git clone https://gitee.com/fengyefly/cnn-hello2.查看此示例進行WSL2+Ubuntu22.04+Conda+Tensorflow+GPU機器學習訓練環境搭建。
【AI訓練環境搭建】在Windows11上搭建WSL2+Ubuntu22.04+Tensorflow+GPU機器學習訓練環境-CSDN博客
一、在Pycharm上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU進行機器學習訓練
1.下載Pycharm 2025.1
點擊去官網下載:Download PyCharm: The Python IDE for data science and web development by JetBrains
雙擊安裝包，按自己的愛好安裝即可，安裝完成后打開PyCharm
2.新建WSL項目
打開Pycharm 2025.1，可以看到遠程開發下有個WSL，選擇它新建項目。
3.選擇WSL實例
4.嘗試打開WSL項目
5.選擇IDE和項目目錄
這里選擇提前克隆的python程序（一個mnist數據集的tensorflow機器學習訓練示例程序）
6.在WSL-Ubuntu上安裝IDE
6.1 自動下載
照這個速度下載大約要1個多小時。不想等咱們就手動下載！
6.2 手動下載（可選）
點擊以下官網下載鏈接，選擇Linux => Download。
Download PyCharm: The Python IDE for data science and web development by JetBrains
瀏覽器下載速度也慢，此時我們鼠標右鍵-復制下載鏈接，然后通過其它下載工具下載（我用的迅雷，速度挺快3MB/s）。
下載完成后，返回到idea窗口，取消下載，按剛才的步驟進到這里，我們選擇Upload installer file（這里界面變成英文的了，先不管，安裝成功再說吧！）
選擇剛才下載好的linux pycharm安裝包，可以看到進度條很快到了Extracting ... archive，即進行解壓安裝的步驟了
WSL-Ubuntu上安裝IDE成功后，如下所示，可點擊藍色項目路徑進入項目
7.打開WSL項目
點擊藍色項目路徑進入項目后，就是我們熟悉的IDE工作界面了，可以看到右下角是沒有解釋器的
8.配置解釋器
點擊選擇 添加新的解釋器 => 添加本地解釋器
環境：選擇現有；類型：Conda；環境：t4
9.運行Python程序
運行代碼文件cnn-hello-train.py
可在Console看到運行結果
再看看我們PyCharm的許可證，我們目前還是試用期，一個月以后就需要購買正版了。（目前筆者還不知道免費版是否至此此功能，后續通過實踐給大家獻上答案）
至此，已經完成通過在Pycharm上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU進行機器學習訓練，并運行了基于Python的機器學習訓練程序（一個mnist數據集的tensorflow機器學習訓練示例程序）。
感謝閱讀！真材實料的實踐分享，別忘記給個點贊哦👍。
下面將通過VSCode實現此能力。
二、在VSCode上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU進行機器學習訓練
1.下載VSCode
可通過已經鏈接進行下載，安裝包僅僅100MB，很快下載成功
Download Visual Studio Code - Mac, Linux, Windows
下載完成后，雙擊安裝包，按自己的愛好安裝即可，安裝完成后打開VSCode
2.安裝WSL插件
點擊插件 => 搜索（WSL） => 選擇WSL? install
安裝成功后可在VSCode頂部搜索框中輸入以下命令
>wsl然后選擇執行 WSL：Connect to WSL using Distro...
然后選擇Ubuntu-22.04-tensorflow，然后等待右下角加載完成
3.打開項目
選擇提前克隆的python程序（一個mnist數據集的tensorflow機器學習訓練示例程序）
信任此文件夾
4.安裝Python Debugger插件
安裝該插件：Python Debugger
5.選擇Python解釋器
進入選擇解釋器配置
選擇名為t4的conda環境
6.運行Python程序
運行代碼文件cnn-hello-train.py，可在Console看到運行結果
至此，已經完成在VSCode上使用WSL2+Ubuntu22.04+Conda+Tensorflow+GPU進行機器學習訓練，并運行基于Python的機器學習訓練程序（一個mnist數據集的tensorflow機器學習訓練示例程序）。
感謝閱讀！真材實料的實踐分享，別忘記給個點贊哦👍。
)
