AI開発のはじめのところ。Windows 11 + Ubuntuで環境構築（2025年版）

新しくデスクトップパソコンを購入し，環境構築を一からした際の手順をまとめました．忘備録です．構築したいバージョンを確認しながら，参考程度に見ることをおすすめします．
以下のサイトでバージョンの依存関係を確認するのが確実です．

1. PyTorch 公式サイト
2. NVIDIA CUDA Toolkit 公式ドキュメント
3. NVIDIA CUDA Toolkit アーカイブ
4. NVIDIA ドライバダウンロードページ

本記事では、Windows 11マシン上でWSL2 (Ubuntu) を利用し、再現性が高く安定したAI開発環境をゼロから構築する手順を解説します。

こちらも参考に

最終的な環境構成

レイヤー	コンポーネント	役割
1. OS・ハードウェア層	Windows 11, NVIDIA GPU, 最新ドライバ	物理マシン。GPUドライバが全ての土台。
2. 仮想化層	WSL2 + Ubuntu 24.04	Windowsの利便性とLinuxの開発力を両立。
3. システムライブラリ層	CUDA Toolkit 12.1, cuDNN実行ライブラリ	OS全体でGPUを利用するための基盤。
4. プロジェクト層	Poetry, Python 3.10, PyTorch 2.5.1	プロジェクト毎に独立したクリーンな実行環境。

STEP 1: 基盤の構築 (WSL2 & NVIDIA Driver)

まず、AI開発の基盤となるLinux環境を準備し、Windowsに搭載されたGPUを認識させます。

1.1. WSL2とUbuntuのインストール

Windowsのターミナルを管理者として実行し、以下のコマンド一発でWSL2と最新のUbuntuがインストールされます。

wsl --install

PCの再起動後、Ubuntuのユーザー名とパスワードを設定すれば完了です。

1.2. NVIDIAドライバのインストール (Windows側)

[最も重要なポイント]
GPUドライバはWindows側にのみインストールします。WSL側のUbuntuにドライバをインストールする必要はありません。

1. NVIDIAドライバダウンロードページにアクセスします。
2. お使いのGPU（例: GeForce RTX 4060）とOS（Windows 11）を選択し、ドライバをダウンロードしてインストールします。
3. インストール後、Windowsのコマンドプロンプトと、WSLのUbuntuターミナルの両方で以下のコマンドを実行し、同じGPU情報が表示されることを確認します。

nvidia-smi

STEP 2: Ubuntu環境でのCUDA基盤構築

ここからは、WSLのUbuntuターミナル内での作業です。

2.1. NVIDIAの最新リポジトリ設定とCUDA/cuDNNのインストール

[罠の回避]
apt-get install cuda-toolkitのような便利なセットパッケージは、Ubuntu 24.04のような新しいOSではnsight-systemsの依存関係エラーで失敗します。
ここでは、問題のパッケージを意図的に避け、必要なコンポーネントだけを個別にインストールします。

# 1. 過去のインストール試行を完全にクリーンアップ（初回でも安全です）

sudo apt-get remove --purge -y "*cuda*" "*nsight*" "*cudnn*" && sudo apt-get autoremove -y && sudo rm -rf /etc/apt/sources.list.d/cuda*

# 2. NVIDIAの最新リポジトリ情報をシステムに登録

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update

# 3. 必要なコンポーネントを個別にインストール
# (問題の原因だったnsight-systemsを意図的に避ける)

sudo apt-get install -y \
cuda-compiler-12-1 \
cuda-libraries-dev-12-1 \
cuda-driver-dev-12-1 \
nvidia-cudnn

2.2. パスの設定と確認

インストールしたCUDA Toolkitにシステムがアクセスできるよう、パスを設定します。

# .bashrcの末尾にパス設定を追記

echo '' >> ~/.bashrc
echo '# NVIDIA CUDA Toolkit' >> ~/.bashrc
echo 'export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc

# ターミナルを再起動するか、以下のコマンドで設定を即時反映

source ~/.bashrc

最後に、nvccコマンドでバージョンが表示されることを確認します。

nvcc --version

# 出力例: Cuda compilation tools, release 12.1, ...

STEP 3: Python開発環境のセットアップ

プロジェクトごとに環境を分離するため、pyenvとPoetryを導入します。

3.1. pyenvとPoetryのインストール

# 1. 必要なパッケージをインストール

sudo apt-get update && sudo apt-get install -y \
build-essential libssl-dev zlib1g-dev libbz2-dev \
libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev \
libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev python3-openssl git

# 2. pyenv (Pythonバージョン管理ツール) をインストール

curl https://pyenv.run | bash

# 3. pyenv用の設定を.bashrcに追記

echo '' >> ~/.bashrc
echo '# pyenv settings' >> ~/.bashrc
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc

# 4. Poetry (プロジェクト管理・パッケージ管理ツール) をインストール

curl -sSL https://install.python-poetry.org | python3 -

# 5. Poetry用の設定を.bashrcに追記

echo '' >> ~/.bashrc
echo '# Poetry settings' >> ~/.bashrc
echo 'export PATH="/home/$(whoami)/.local/bin:$PATH"' >> ~/.bashrc

# 6. シェルを再起動して全ての設定を反映

exec "$SHELL"

3.2. Pythonバージョンのインストール

pyenvを使って、プロジェクトで使用するPython 3.10をインストールします。

pyenv install 3.10
pyenv global 3.10

STEP 4: PyTorchプロジェクトのセットアップと最終確認

いよいよ大詰めです。Poetryを使ってプロジェクトを作成し、PyTorchからGPUが利用できるか確認します。

# 1. プロジェクト用のディレクトリを作成して移動

mkdir my_llm_project  
cd my_llm_project

# 2. Poetryプロジェクトを初期化

poetry init -n

# 3. 使用するPythonのバージョンをPoetryに教える

poetry env use python3.10

# 4. PyTorch (CUDA 12.1版) をインストール

poetry run pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 5. 最終動作確認

poetry run python -c "import torch; print(f'PyTorch version: {torch.__version__}'); print(f'CUDA available: {torch.cuda.is_available()}'); print(f'GPU name: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else "N/A"}')"

以下の様な出力が表示されれば、環境構築は完了です！

PyTorch version: 2.5.1+cu121  
CUDA available: True  
cuDNN version: 90100  
GPU name: NVIDIA GeForce RTX 4060

おまけ

Ⅰ. VSCodeとの連携で快適な開発を

WSL2の真価は、WindowsのGUIアプリとシームレスに連携できる点にあります。

1. Windows側にVisual Studio Codeをインストールし、拡張機能「WSL」を追加します。

2. Ubuntuターミナルで、先ほど作成したプロジェクトディレクトリに移動します。

   cd my_llm_project
   

3. そこで以下のコマンドを実行します。

   code .
   

これだけで、自動的にWindows側でVSCodeが起動し、WSL内のプロジェクトフォルダに接続された状態になります。Windowsの快適なUIでコードを書きながら、実行やデバッグはすべてLinux環境で行うという、両者の良いとこ取りをした最強の開発スタイルが実現できます。

Ⅱ. GitHub と ssh接続をする

Ⅲ. Poetry の使用方法

Ⅳ. バージョン管理について