一. wsl与Ubuntu安装
在cmd界面输入
wsl --install
为了快一点可以输入
wsl --install --web-download
安装完后重启电脑，再直接去微软商店下载自己需要的发行版，我为了和同事的匹配，使用的是ubuntu20.04，直接点击免费获取-->打开即可；然后就是设置用户名和密码。
之后迁移到D盘或其他位置：
wsl --export Ubuntu-20.04 d:\wsl-ubuntu20.04.tar #导出分发版为tar文件到d盘
wsl --unregister Ubuntu-20.04 #注销当前分发版
wsl --import Ubuntu-20.04 d:\wsl-ubuntu20.04 d:\wsl-ubuntu20.04.tar --version 2 #重新导入并安装WSL在d:\wsl-ubuntu20.04
ubuntu2004 config --default-user Username # (Username为之前已经设置的名称)
del d:\wsl-ubuntu20.04.tar #删除tar文件
主要参考从零开始安装Windows子系统wsl2-Ubuntu{超详细}
二. vscode安装wsl插件
再vscode的插件当中搜索wsl安装，可能要搭配Remote-SSH插件一起，就可以如同远程编译普通Ubuntu系统一样去修改编译子系统上的文件了；
且支持再子系统命令行中直接敲code .打开文件夹。
三. 安装ROS1
1.安装ROS Noetic
添加ROS安装源和密钥：
sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.ustc.edu.cn/ros/ubuntu/ $DISTRIB_CODENAME main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
安装ROS完整桌面版：
sudo apt install ros-noetic-desktop-full -y
-
初始化rosdep
安装并配置rosdep：
sudo apt install python3-rosdep python3-pip -y
sudo rosdep init
rosdep update
-
配置环境变量
添加ROS到环境变量中：
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc
-
测试ROS安装
启动核心服务：
roscore
启动Turtlesim仿真器：
rosrun turtlesim turtlesim_node
打开新终端，运行控制程序：
rosrun turtlesim turtle_teleop_key
使用方向键控制乌龟移动，验证图形界面是否正常显示。
四. 安装cuda相关
wsl安装的Ubuntu直接就默认有了nvidia驱动，可以直接执行nvidia-smi
Tue Nov 18 14:46:52 2025
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 580.82.10 Driver Version: 581.29 CUDA Version: 13.0 |
+-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA GeForce RTX 5060 On | 00000000:01:00.0 On | N/A |
| 42% 55C P1 70W / 145W | 4313MiB / 8151MiB | 62% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
| 0 N/A N/A 41 G /Xwayland N/A |
+-----------------------------------------------------------------------------------------+
cuda官网：CUDA Toolkit 13.0 Update 2 Downloads
参考网页WSL2安装CUDA，nvidia环境小白教程和踩坑记录
对应版本选择
官网提供的命令行：
wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/13.0.2/local_installers/cuda-repo-wsl-ubuntu-13-0-local_13.0.2-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-13-0-local_13.0.2-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-13-0-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-0
似乎和微软提倡的使用docker容器略有差异；
安装完之后还要配置路径，防止nvcc命令找不到：
echo "export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-13/lib64" >> ~/.bashrc
echo "export PATH=$PATH:/usr/local/cuda-13/bin" >> ~/.bashrc
echo "export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-13" >> ~/.bashrc
echo "export PATH=/usr/local/cuda/bin:$PATH" >> ~/.bashrc
source ~/.bashrc
然后执行nccc -V查看版本
nccc -V
得到输出
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Wed_Aug_20_01:58:59_PM_PDT_2025
Cuda compilation tools, release 13.0, V13.0.88
Build cuda_13.0.r13.0/compiler.36424714_0
cudnn
官网Index of /compute/cudnn/redist/cudnn/linux-x86_64
据说tensorrt10以后就不用依赖cudnn了，暂时搁置；
tensorrt
去官网下载对应的版本，如果前面是13.0就下13.0的，我这儿为了和同事兼容，把版本降下来了
https://developer.nvidia.com/tensorrt/download
https://developer.nvidia.com/tensorrt/download/10x
然后安装下载下来的包：
sudo dpkg -i nv-tensorrt-local-repo-ubuntu2004-10.11.0-cuda-12.9_1.0-1_amd64.deb
sudo cp /var/nv-tensorrt-local-repo-ubuntu2004-10.11.0-cuda-12.9/nv-tensorrt-local-99237616-keyring.gpg /usr/share/keyrings/
更新软件源并安装 TensorRT
sudo apt-get update
sudo apt-get install -y tensorrt
安装 Python 绑定（必需）
sudo apt-get install -y python3-libnvinfer
验证安装
# 检查 TensorRT 版本
dpkg -l | grep TensorRT # 应显示 10.11.0
# 验证 Python 导入
python3 -c "import tensorrt; print(tensorrt.__version__)" # 输出:一堆 10.11.0
配置路径，在~/.bashrc文件中添加以下行：
export PATH=/usr/src/tensorrt/bin:$PATH
然后在命令行激活更新
source ~/.bashrc
查看trtexec版本：
# 检查命令可用性
which trtexec
# 查看版本
trtexec --version
