环境配置（WSL2）

WSL2（Windows Subsystem for Linux 2）是 Windows 提供的一种轻量级 Linux 运行环境，具备完整的 Linux 内核，并支持更好的文件系统性能和兼容性。它允许用户在 Windows 系统中运行 Linux 命令行工具和应用程序，而无需安装虚拟机或双系统。

安装`WSL2`

WSL2的安装教程互联网上有很多，这里推荐两个讲解比较详细的，可以参考：

windows11 安装WSL2全流程（不需要安装图形界面）
Win10/11系统下WSL2+Ubuntu20.04的全流程安装指南

Git 版本控制

你需要 Git来克隆 WeClone 项目仓库。不同的Linux平台可以选择不同的安装方式，你可以直接参考下面的这篇教程，选择适合你的方法

Git 安装配置 | 菜鸟教程

安装 uv (推荐的包管理器)

uv是一个由 Astral 开发的快速 Python 包管理器。推荐使用 uv 创建虚拟环境并安装项目依赖，可以避免包版本冲突。

在WSL2命令行或 VSCode 终端，使用 pip 安装 uv：

bash

pip install uv

注：项目尚未提供 requirements.txt，使用其他命令（如 conda）易导致依赖版本冲突。

虚拟环境搭建

cuda安装(已安装可跳过，要求版本12.4及以上)：LLaMA Factory
- 参考教程：WLS2安装CUDA保姆级教程_wsl2 cuda-CSDN博客
克隆 WeClone 项目： 打开 CMD 或 PowerShell，导航到你希望存放项目的目录，然后克隆仓库：
bash
```
git clone https://github.com/xming521/WeClone.git
cd WeClone
```
这里直接git clone可能会请求超时，例如Failed to connect to github.com port 443 after 132282 ms: Connection timed out。这是因为国内访问Github网络环境不稳定，需要科学上网。而WSL2的默认无法使用你Windows环境下的代理，因此
这里需要单独为WSL2 设置代理。下面是一篇参考教程：
- 为 WSL2 一键设置代理 - 知乎
创建并激活虚拟环境 (使用 uv)： 在 WeClone 项目根目录下执行：
bash
```
uv venv .venv --python=3.10  # 你可以指定已安装的 Python 3.10+ 版本
source .venv/bin/activate
```
激活成功后，你的命令行提示符前通常会显示 (.venv)。
安装项目主要依赖：
bash
```
uv pip install --group main -e .
```
此命令将读取项目中依赖配置并安装所有库。
（ pytorch安装失败再看）手动安装 pytorch
手动安装 PyTorch 参考教程
网络环境不稳定的情况下安装PyTorch有一定概率会出错，所以可以在环境内安装好 PyTorch。推荐从一些国内镜像源下载好 PyTorch 安装包后在本地离线安装。可以参考下面的教程，但是注意教程中使用的是下载官方包的链接，需要替换成国内镜像源的对应网站。
参考教程：PyTorch 离线版本安装教程
安装完后记得重新跑一下`uv pip install --group main -e .`把漏掉的包重新安装上
测试 CUDA 环境 (NVIDIA GPU 用户)： 安装完依赖后（特别是 PyTorch），运行以下命令测试 CUDA 是否配置正确并能被 PyTorch 识别：
bash
```
python -c "import torch; print('CUDA是否可用:', torch.cuda.is_available()); print('CUDA版本:', torch.version.cuda); print('PyTorch版本:', torch.__version__)"
```
如果 CUDA是否可用: 显示 True，则表示配置成功。
复制配置文件模板
将配置文件模板复制一份并重命名为settings.jsonc，后续配置修改在此文件进行：
bash
```
cp settings.template.jsonc settings.jsonc
```

(可选) 安装 FlashAttention： 为了加速训练和推理（如果你的硬件支持），可以尝试安装 FlashAttention。

可以直接尝试：

bash

uv pip install flash-attn --no-build-isolation

⚠️Flash Attention 仅适用于 Turing、Ampere、Ada 和 Hopper 架构的 NVIDIA GPU（如 A100、H100、T4、RTX 2080、RTX 3090 等），不支持 Volta 架构的 V100。

如果失败在用下面方法：

再次检查本地python、torch、cuda的版本（如果你很清楚你当前的配置可以不用检查）

bash

python --version &&
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())" &&
nvcc -V

执行以上命令，得到你的python、torch和cuda版本。正常来讲你会得到下面的结果：

bash

Python 3.10.12 #python版本，应该是3.10
2.6.0+cu124 #你的torch版本，安教程来安装的应该是2.6.0
True #CUDA可用
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Thu_Sep_12_02:18:05_PDT_2024
Cuda compilation tools, release 12.6, V12.6.77
Build cuda_12.6.r12.6/compiler.34841621_0 #cuda版本，应该大于12.4

确定自己的相关版本后，在Flash-attention下载地址选择对应的whl文件用pip install来安装，例如：

bash

wget https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.4.post1/flash_attn-2.7.4.post1+cu12torch2.6cxx11abiTRUE-cp310-cp310-linux_x86_64.whl
pip install flash_attn-2.7.4.post1+cu12torch2.6cxx11abiTRUE-cp310-cp310-linux_x86_64.whl

Linux编辑文件操作教程（如果你不熟悉Linux的基本操作这可能会帮到你）
在后续涉及到修改文件时候，可以采用以下两种方法：
方法1：VS Code（推荐）
通过VS Code连接你的WSL，让你在IDE下轻松修改和运行项目文件
开始通过 WSL 使用 VS Code | Microsoft Learn
方法2：
如果你不想VS Code，可以直接采用Linux默认预装的命令行文本编辑器nano。在这个项目的使用中，你只需要记住下面几个命令就可用了。
1. 在根目录下运行nano编辑器
  bash
```
nano settings.jsonc
```
2. 移动光标到你要修改的位置，进行对应修改操作。
  Ctrl + ^ 是标记开始（英文叫 "set mark"）；
  Alt + 6 是复制（保留内容），Ctrl + K 是剪切（删除原内容）；Ctrl + U 是粘贴(仅粘贴内部复制或剪切内容)；
  鼠标右键是粘贴外部内容。
3. 修改后按 Ctrl + O 保存，按 Enter 确认；再按 Ctrl + X 退出。

到这里，恭喜你完成了全部的环境配置。你已经完成了整个项目部署最难的部分！！！

环境配置 （WSL2） ​

安装WSL2 ​

Git 版本控制 ​

安装 uv (推荐的包管理器) ​

虚拟环境搭建 ​

环境配置（WSL2）

安装`WSL2`

Git 版本控制

安装 uv (推荐的包管理器)

虚拟环境搭建