由于 Tensorflow 2.12.x 之后就不支持直接获取Windows上的gpu了，所以要使用WSL获取gpu支持
# 控制面板 - 程序 - 启用或关闭Windows功能中开启Hyper-v和Linux子系统支持
# 安装WSL
wsl --install -d Ubuntu
# 安装python环境
apt update
apt install python3-dev python3-pip python3-venv
# 创建虚拟环境，可以使用Pycharm添加解释器（直接可以支持WSL里的python解释器）
# Pycharm添加阿里云源：https://mirrors.aliyun.com/pypi/simple
# 安装 Tensorflow：直接在包管理器中搜索安装即可，选择阿里云的安装
# 安装CUDA: Tensorflow支持cuda11.3
wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run
sh cuda_11.3.1_465.19.01_linux.run
# 如果报错不支持GCC版本，可以直接忽略
sh cuda_11.3.1_465.19.01_linux.run --override
# 添加环境变量
export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH
# 安装cudnn: Tensorflow支持cudnn8.2
# 下载 cudnn-11.3-linux-x64-v8.2.1.32.tgz
# https://developer.nvidia.com/rdp/cudnn-archive
tar -zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.3/include/
sudo cp cuda/include/cudnn_version.h /usr/local/cuda-11.3/include/
sudo chmod a+r /usr/local/cuda-11.3/include/cudnn.h
sudo chmod a+r /usr/local/cuda-11.3/lib64/libcudnn*
# 重启系统
