最近一段时间因为一个小项目要搭建一个tensorflow机器学习平台，因为当时查阅了大量的资料，而且国内相关的说明资料非常少，而且也不够详细基本没有什么太大的用处，介于这些原因，也是为了帮助有需要的人，所以决定将整个解决问题的过程整理成文。
上面的是我已经安装成功后的wsl命令行查询Linux系统版本的情况，为了让大家不走弯路我先说一下wsl2安装CUDA的几个先决条件，以及如何达到这些条件：
- 首先明确一个目的，安装Cuda是因为要部署机器学习框架Tensorflow，如果你没有Nvidia显卡那就不用弄了；
- WSL2与WSL1不同之处是WSL2采用了Hype-V虚拟机；
- Windows10 要开启预览体验计划，并且设置为Dev渠道，国外文章一般叫作 insider fast ring 或者干脆下载预览版安装镜像升级；
- Windows 10 内部版本要高于20150 （Powershell输入winver查看）；
**以上是先决条件，如果达不到是不可能顺利完成后续工作的，所以如果达不到以上条件，即使升级成功了wsl2也不可能安装CUDA成功的。
如果已经达到以上条件，以下有两条命令是可以执行的，否则不会执行成功：
- wsl --shutdown #关闭虚拟机；
- wsl --update #检查wsl升级，也可以通过Appstore升级；
如果你已经安装wsl1，可以通过以下命令将wsl1升级为wsl2:
wsl --set-version $已经使用的WSL的名字 2 #升级wsl2
wsl --set-default-version 2 #设置wsl默认运行版本为wsl2
完成以上两步后，基础工作就算完成了，WSL2是通过linux驱动与windows驱动互动来实现GPU驱动的，接下来需要到nvidia官网下载最新版nvidia驱动程序，linux中安装的CUDA版本与windows10驱动的版本号不需要一致，Linux中需要根据Tensorflow所需要版本进行选择，windows10下安装管方最新版。
Nvidia 驱动下载地址：https://developer.nvidia.com/cuda/wsl/download
安装完windows下驱动，需要重启wsl2，重启后会发现 /usr/lib/wsl/lib 映射的windows显卡驱动目录，则可以判断驱动安装OK。
接下来需要安装Tensorflow与Linux下的Cuda、cudnn，因为Tensorflow 1.x与最新的2.x版本架构完全不同，而且2.x对于1.x的兼容性并不全面，所以如果您是要跑现有的项目，建议安装合适的Tensorflow版本，然后根据Tensorflow版本选择安装合适的Cuda与Cudnn，本文就不多说了，我觉得关键问题都已经说情了。
Cuda与Cudnn下载地址:https://developer.nvidia.com/cuda-toolkit-archive
需要注意的是：Tensorflow要安装Tensorflow-gpu版本
sudo pip install tensorflow-gpu==2.x.x/1.9.x
参考文章：
- https://forums.developer.nvidia.com/t/failure-to-install-cuda-on-wsl-2-ubuntu/128592/3 #主要参考
- https://docs.nvidia.com/cuda/wsl-user-guide/index.html#installing-nvidia-drivers #WSL安装CUDA
- https://developer.nvidia.com/blog/announcing-cuda-on-windows-subsystem-for-linux-2/ #讲解
- https://blogs.windows.com/windows-insider/posts/ #windows10预览版发版情况
- https://www.tensorflow.org/install #tensorflow安装指导
