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。