Vscode连接WSL2当中的jupyter

windows11 用 windows desktop + wsl2 在docker镜像中配置jupyter notebook，给已有的容器添加端口暴露

windows11 用 windows desktop + wsl2 在docker镜像中配置jupyter notebook，给已有的容器添加端口暴露

Vscode连接WSL2的jupyter[代码]

本文详细介绍了如何在Vscode中连接WSL2中的jupyter环境。首先需要在WSL中安装jupyter，并创建一个虚拟环境，安装必要的库如ipykernel和ipython。接着在Vscode中安装jupyter插件，并手动启用。最后，通过选择python解释器和内核，即可使用在WSL中创建的jupyter虚拟环境。文章还提到了删除虚拟环境的方法，并鼓励读者在评论区分享关于此环境与anaconda区别的知识。

WSL2+windows terminal

微软对WSL描述为：适用于 Linux 的 Windows 子系统可让开发人员按原样运行 GNU/Linux 环境 - 包括大多数命令行工具、实用工具和应用程序 - 且不会产生传统虚拟机或双启动设置开销。既要使用Windows系统满足日常生活，协作办公，又要使用Linux系统满足开发工作，双系统来回重启好麻烦，双主机成本高，远程服务器好多限制，WSL也许是更好的解决方案，可以摆脱以上困扰。WSL就是Windows系统下的一个Linux子系统，，适用于Linux的Windows子系统。

深度学习环境配置系列文章（四）：WSL2配置Windows11和Linux双系统

WSL2（Windows Subsystem for Linux 2）是微软开发的技术，让用户能在Windows系统上运行Linux环境。它使用虚拟化技术，提供更好的性能和兼容性。WSL2支持常见的Linux发行版，可以直接运行原生的Linux应用程序。同时，它与Windows系统集成，并支持与Windows的互操作性。这使得开发人员和系统管理员能够在Windows上享受Linux工具和开发环境的便利。

Windows 11下 WSL使用 jupyter notebook

前言 一直都使用jupyter notebook，不管做数据分析，还是调试代码，还有写文章都是。但是好像在WSL下又不好使。看了网上有很多方法都不好用。

基于WSL2搭建Tensorflow GPU深度学习环境以及JupyterLab

由于在Windows上tensorflow在2.10之后的版本不再支持GPU运算，只能使用Linux，所以需要基于WSL2搭建环境（

告别CUDA地狱：用WSL2+Docker Desktop在Win11上5分钟拉起一个带GPU的PyTorch容器

本文详细介绍了如何在Windows 11上使用WSL2和Docker Desktop快速搭建GPU加速的PyTorch开发环境，5分钟内即可完成配置，彻底解决CUDA版本冲突等常见问题。通过容器化方案实现环境隔离和一键复现，显著提升开发效率，特别适合深度学习和机器学习项目。

在Windows系统上远程开发与调试星图平台S2-Pro模型应用

本文介绍了如何在星图GPU平台上自动化部署S2-Pro镜像，实现Windows系统远程开发与调试AI模型应用。通过WSL2、MobaXterm或VSCode Remote等工具，开发者可在本地Windows环境中高效操作Linux服务器，应用于大模型推理、图像生成等场景，显著提升开发效率。

WSL安装ROCm，TensorFlow-ROCm，miniconda3，VSCode, Jupyter过程记录

'这个网址列出了所有版本的ROCm，和各种安装包，查阅以后发现最新的ROCm版本是6.3.3，不过这个版本还没有支持WSL，在'amdgpu/6.3.3/ubuntu/pool/main/'里面缺少hsa-runtime-rocr4wsl-amdgpu，而在6.3.2的路径里有这个库，以后ROCm更新的时候可以去检查这个文件夹来确定是否能安装在WSL中。我这次安装成功的ROCm版本是6.3.2，Ubuntu版本是24.04，python版本是3.12.3，Tensorflow版本是2.17.0。

WIN10中使用vscode，在jupyter中运行c++程序

在编写C++的过程中，想使用vscode，在jupyter中运行C++，经过搜索，可以通过xeus-cling实现，但xeus-cling只支持linux和mac，不支持windows系统，因此需要先安装WSL来实现功能，在此记录一下实现过程。 参考的主要资源包括如下几篇文章： Windows 10 安装 Linux 子系统（Windows Subsystem for Linux）_蓝三金的博客-CSDN博客_linux subsystem 在 Win10 中使用 Jupyter no..

AMD显卡实现神经网络：WSL2+UBUNTU24.04+VcXsrv+ROCm6.4.1+VScode+Jupyter Notebook+Pytorch2.3.0

本文详细介绍了在Windows 11专业版24H2上配置WSL2、安装Ubuntu 24.04并迁移到非系统盘的全过程。主要内容包括：1）启用Hyper-V等Windows功能；2）安装配置WSL2和Ubuntu子系统；3）使用VcXsrv搭建图形界面；4）安装ROCm 6.4.1以支持AMD显卡计算；5）创建Python虚拟环境并安装PyTorch等深度学习框架；6）配置VS Code连接WSL并进行开发调试；7）安装Jupyter Notebook开发环境。

不只是安装！用VSCode深度玩转WSL2里的Ubuntu与Jupyter Notebook，提升你的Win11开发效率

本文详细介绍了如何在Windows11上通过VSCode深度整合WSL2、Ubuntu20.04和Jupyter Notebook，打造高效的跨平台开发环境。从文件互通、Python环境配置到终端优化，提供了一系列实用技巧和性能调优方案，帮助开发者显著提升工作效率。

把WSL2当主力开发机：我的VSCode远程开发+Jupyter+Docker一体化工作流

本文详细介绍了如何将WSL2打造为高效的全栈开发环境，涵盖终端优化、文件系统策略、容器化开发及机器学习工作流整合。通过VSCode远程开发、Docker容器化及Jupyter Lab配置，实现接近原生Linux的开发体验，特别适合机器学习和深度学习开发者提升工作效率。

VS Code在WSL及conda虚拟环境中使用jupyter notebook编写Octave代码

最近在学习吴恩达老师的机器学习课程，推荐使用的是Octave工具，这里配一波环境（默认已经装好VS Code和WSL，WSL中装好conda，没装的友友看别的友友的博客）有错误或者有疑问的欢迎底下评论。 文章目录1、VS Code连接WSL2、创建conda虚拟环境3、安装jupyter notebook 1、VS Code连接WSL a.安装如图插件 b.点击绿色的地方 c.选择New Window d.打开wsl挂载的文件夹，这里的Machine_learning是我自己新建的 d.连接成功

Windows通过WSL2释放AI训练的无限潜能：打造高效Linux开发环境

WSL2为Windows用户提供了一个高效、轻量级的Linux环境，非常适合AI学习和训练。通过与VSCode和Jupyter的集成，开发者可以在Windows系统中享受Linux生态的完整开发体验，同时利用GPU加速进行模型训练。无论是初学者还是专业开发者，WSL2都是一个值得尝试的工具。开始使用WSL2，开启你的AI开发之旅吧！

WSL Docker JupyterLab VSCode 手把手快速配置环境 一站式解决 【新手教程】

WSL+Docker+VSCode快速在Windows系统上使用Linux原生环境运行代码【新手教程】

VS Code连接wsl上Conda虚拟环境，打开Jupyter Notebook

①（作者：Microsoft）：核心插件，实现 VS Code 远程连接 WSL 子系统；②（作者：Microsoft）：识别 WSL 内的 Python 解释器 / 虚拟环境，支持代码提示、运行、调试。③（作者：Microsoft）：提供 Notebook 完整编辑与运行能力，适配 WSL 环境内核，支持单元格代码执行、Markdown 编辑、结果可视化渲染。

在win10里的WSL配置vscode的jupyter

在ipynb的文件的右上方迪纳基kernel，选择python environment，然后点击你要的那个。在WSL terminal里pip install ipykernel。vscode安装jupyter和python的extension。vscode安装WSL extension。左下角绿色切到WSL。

不用双系统！WSL2直通NVIDIA显卡实战：VSCode远程开发+Gnome桌面调试深度学习

本文详细介绍了如何在WSL2中实现NVIDIA显卡直通，搭建完整的深度学习开发环境，包括VSCode远程开发和Gnome桌面配置。通过WSL2的GPU加速能力，开发者可以在Windows系统上获得接近原生Linux的开发体验，特别适合机器学习工程师和数据科学家。文章涵盖了从基础配置到高级优化的全流程实战指南。