WSL2 + CUDA で始めるAI開発環境セットアップ完全ガイド

「ゲーミングPCを買ったはいいが、AI開発ってどうやって始めるんだ?」

AI開発で最初にぶち当たる壁は「環境構築」だ。特にWindowsユーザーにとって、CUDAのセットアップは地雷の連続。

パスが通らない、バージョンが合わない、ドライバが干渉する——俺も何度も沼にハマった。

この記事では、WindowsゲーミングPC上でWSL2(Windows Subsystem for Linux 2)を使い、CUDA対応のAI開発環境を「最短距離で」構築する手順をまとめる。

なぜWSL2なのか?

AI開発のツール群(Python、PyTorch、Hugging Faceなど)は、ほぼすべてLinuxを前提に作られている。

Windows上で直接動かそうとすると、パスの区切り文字やファイルシステムの違いで謎のエラーに悩まされる。

WSL2を使えば、Windows上に本物のLinux環境を構築できる。

しかもNVIDIA GPU(CUDA)に対応しているため、ゲーミングPCのGPUパワーをそのままAI開発に使える。

最強の組み合わせだ。

Step 1: 事前準備(NVIDIAドライバの確認)

まず、Windows側にNVIDIAの最新ドライバがインストールされていることを確認する。

GeForce Experienceまたは nvidia-smi コマンドでバージョンを確認しよう。

ドライバのバージョンが 525.xx 以降であれば、WSL2でのCUDA利用に対応している。

古い場合はNVIDIAの公式サイトから最新版をダウンロードしてインストールする。

**重要: WSL2内にCUDA Toolkitを別途インストールする必要はない。

Windows側のドライバがWSL2のGPUアクセスを自動的に仲介してくれる。

これを知らずにWSL2内にもCUDAを入れてハマる人が非常に多い。**

Step 2: WSL2のインストール

PowerShellを管理者権限で開き、以下のコマンドを実行する:

wsl --install

これだけでWSL2とUbuntuが自動的にインストールされる。PCの再起動が必要な場合がある。

再起動後、Ubuntuが起動してユーザー名とパスワードの設定を求められる。

設定が完了したら、まずパッケージを最新に更新する:

sudo apt update && sudo apt upgrade -y

Step 3: Python + PyTorch のインストール

Pythonの環境管理にはcondaを使う。Minicondaが軽量でおすすめだ。

WSL2のターミナルで公式サイトからインストーラーをダウンロードして実行する。

conda環境を作成して、PyTorchをCUDA対応版でインストールする。

PyTorchの公式サイト(pytorch.org)で自分のCUDAバージョンに合ったインストールコマンドを確認できる。

インストール後、Pythonから torch.cuda.is_available() が True を返せば成功だ。

このコマンドで True が出た瞬間の感動は、初めてゲームに120fpsが出た時に匹敵する。

Step 4: GPUが認識されているか確認

WSL2ターミナルで nvidia-smi を実行する。

GPU名、ドライババージョン、VRAM使用量が表示されれば、CUDAの環境構築は完了だ。

表示されない場合は、Windows側のドライバが古いか、WSL2のバージョンが古い可能性がある。

wsl --update でWSL2を最新に更新してから再試行しよう。

Step 5: Stable Diffusion Web UIのインストール(任意)

ここまで来れば、あとは好きなAIツールをインストールするだけだ。

試しにStable Diffusion Web UI(AUTOMATIC1111)を動かしてみよう。

Gitでリポジトリをクローンしてセットアップスクリプトを実行するだけで、ブラウザから画像生成ができるようになる。

RTX 5070なら512×512の画像を約2〜3秒で生成できる。

まとめ: 環境構築は「最初の1回」を乗り越えろ

正直に言う。環境構築はAI開発で一番つまらない作業だ。

だが、この「最初の1回」を乗り越えれば、あとはAIの世界で遊び放題になる。

俺も最初はWSL2のインストールすら分からなかった。CUDAのバージョン違いで3日ハマったこともある。

だからこそ、この記事を「最短距離のガイド」として書いた。この記事を読んで1人でもハマりが減れば、書いた甲斐がある。

よくある質問

Q. WSL2内にCUDA Toolkitをインストールする必要はありますか?

A. いいえ。

Windows側に最新のNVIDIAドライバ(525.xx以降)がインストールされていれば、WSL2内のLinux環境から自動的にGPUにアクセスできます。

WSL2内にCUDA Toolkitを別途インストールすると競合する可能性があるため、通常は不要です。

Q. Dockerを使った方がいいですか?

A. プロジェクトごとに環境を完全に分離したいならDockerが最適です。

ただし初心者にはWSL2 + condaの方がシンプルでおすすめです。

まずWSL2で基礎を固めてから、必要に応じてDockerに移行するのが良いルートです。

Q. この手順はノートPCでも使えますか?

A. NVIDIA GPU搭載のゲーミングノートPCであれば同じ手順で環境構築できます。

ただしノートPCはVRAMが少なめ(4〜8GB)のモデルが多く、大規模なAI処理には限界があります。

本気でAI開発をするなら、VRAM 12GB以上のデスクトップPCを強く推奨します。