💻 将 Ubuntu WSL 安装并迁移到 D 盘完整教程（含 Appx 安装与迁移导入）
本文记录如何在 Windows 系统中手动启用 WSL、下载 Ubuntu 安装包、安装并迁移 Ubuntu 到 D 盘，避免默认写入 C 盘，提高系统性能与可维护性。
✅ 一、启用 WSL 与虚拟化支持
打开管理员 PowerShell，执行以下命令：
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
⚠️ 建议重启一次电脑，以确保功能生效。
📥 二、下载 Ubuntu 安装包（Appx）
使用 PowerShell 命令下载 Ubuntu 22.04 安装包：
Invoke-WebRequest -Uri https://aka.ms/wslubuntu2204 -OutFile Ubuntu.appx -UseBasicParsing
💾 三、安装 Ubuntu 到系统中
在 PowerShell 中执行：
Add-AppxPackage .\Ubuntu.appx
此操作会注册 Ubuntu 到 WSL，系统默认安装路径在：
C:\Users\<你的用户名>\AppData\Local\Packages
✅ 四、导出已安装的 Ubuntu 为 .tar 文件
初始化后运行以下命令导出备份：
wsl --export Ubuntu D:\wsl\Ubuntu\ubuntu_backup.tar
Ubuntu是默认的发行版名称，D:\wsl\Ubuntu是你想要迁移的目标路径。
🧹 五、卸载系统默认安装（从 C 盘卸载）
wsl --unregister Ubuntu
⚠️ 注意：这将永久删除默认的 Ubuntu 实例，务必先导出
.tar备份！
📦 六、导入 Ubuntu 到 D 盘路径
wsl --import Ubuntu D:\wsl\Ubuntu D:\wsl\Ubuntu\ubuntu_backup.tar --version 2
这里你可以将
Ubuntu改为任何你喜欢的发行版名称（如Ubuntu-22.04），并确保--version 2表示使用 WSL2。
🚀 七、启动迁移后的 Ubuntu
wsl -d Ubuntu
或使用你导入时指定的名称：
wsl -d Ubuntu-22.04
🧽 八、可选清理
导入成功后，如果不再需要 .tar 文件，可以手动删除：
Remove-Item D:\wsl\Ubuntu\ubuntu_backup.tar
✅ 总结
以上操作帮助你完成了：
- WSL 功能启用
- Ubuntu 离线安装
- 初始化 + 导出 + 卸载旧版本
- 迁移 Ubuntu 到 D 盘路径
- 成功运行并释放 C 盘空间
👍 如果你觉得有帮助，欢迎点赞、收藏或评论交流！
是否需要我帮你一键生成 Markdown 或 CSDN 编辑器 HTML 格式？
很好，你上传的两张截图是：
- 通过
Win + R打开 运行窗口，输入optionalfeatures - 勾选 “适用于 Linux 的 Windows 子系统”（即启用 WSL 功能）
✅ 补充说明 + 温馨提示
🪟 手动启用 WSL 功能的图形界面方法（附图）
除了命令行方式，我们还可以通过图形界面手动启用 WSL 功能：
🧭 第一步：打开“Windows 可选功能”
按下快捷键 Win + R，输入：
optionalfeatures
点击“确定”即可打开【启用或关闭 Windows 功能】窗口。
去掉勾重启机器，重启之后，选上，再次重启
✅ 第二步：勾选以下选项
-
✅ 适用于 Linux 的 Windows 子系统
-
✅ 虚拟机平台（Virtual Machine Platform）
注意：这两个必须同时勾选，WSL2 运行依赖这两个模块。
点击“确定”，系统会进行功能添加，并可能要求你重启电脑。
💡 温馨提示：
- 若你希望使用 WSL 2，必须启用“虚拟机平台”选项。
- 推荐在启用上述功能后 重启一次电脑，以确保设置生效。
- 如果你是首次配置 WSL，推荐再运行以下命令完成自动安装：
wsl --install
以下是将你提供的 CUDA 与 Anaconda 安装指令 整合到原文教程中的更新内容，适合作为新增章节插入到原来的 Markdown 文档中：
⚙️ 九、安装 CUDA 与 Anaconda（可选 GPU 与 Python 环境支持）
本部分适用于你需要在 Ubuntu WSL 环境中使用 GPU 加速（如安装 PyTorch、TensorFlow 等）并构建 Python 开发环境的情况。
🧠 安装 CUDA Toolkit（以 Ubuntu 24.04 为例）
cd /tmp
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo apt install ./cuda-keyring_1.1-1_all.deb
sudo apt update
sudo apt install -y cuda-toolkit
安装完成后检查 CUDA 是否就绪：
ls /usr/local
配置环境变量（如安装的是 CUDA 12.9）：
export PATH=/usr/local/cuda-12.9/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.9/lib64:$LD_LIBRARY_PATH
可添加到 ~/.bashrc 永久生效：
echo 'export PATH=/usr/local/cuda-12.9/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.9/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
🐍 安装 Anaconda（Python 环境管理工具）
wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh
bash Anaconda3-2024.02-1-Linux-x86_64.sh
安装成功后，添加到 PATH 并生效：
export PATH="~/anaconda3/bin:$PATH"
echo 'export PATH="$HOME/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
验证安装：
ls ~/anaconda3
which conda
✅ 至此，你已完成：
- CUDA 安装与环境配置（用于 GPU 加速）
- Anaconda 安装（用于 Python 包管理与虚拟环境）
- 可用于深度学习、科学计算等高级任务
