看你的需求，就是想把带GPU的Win11笔记本当成「远程训练服务器」，用另一台无GPU的笔记本远程连接上去跑Unity ML-Agents的训练对吧？刚好你已经在用WSL2 Ubuntu 22.04本地跑训练了，那咱们一步步把远程配置搞定：

第一步：确认WSL2的GPU支持正常（打牢基础） #

既然你本地已经能跑mlagents-learn，GPU大概率是正常工作的，但还是快速确认下更稳妥：

• 在WSL终端运行nvidia-smi，如果能看到GPU型号、显存使用和CUDA版本信息，说明GPU配置没问题；如果不行，记得在Windows 11上安装支持WSL2的NVIDIA驱动（不用在WSL里单独装驱动，Win11的驱动会直接共享给WSL），然后重启WSL即可。

第二步：配置WSL2的SSH远程访问核心 #

要远程连接WSL，最可靠的方式是搭建SSH服务，操作如下：

1. 在WSL Ubuntu里安装OpenSSH服务器
   打开WSL终端，执行：

   sudo apt update && sudo apt install openssh-server -y
   

2. 修改SSH配置允许远程登录
   编辑SSH配置文件：

   sudo nano /etc/ssh/sshd_config
   

   找到以下选项并调整：
   • 把PasswordAuthentication no改成PasswordAuthentication yes（如果嫌密钥登录麻烦，先用密码登录；追求安全的话后面可以再换密钥）
   • 确保Port 22没有被注释（也可以改成其他端口比如2222，避免和Windows本身的SSH服务冲突）
   • 把PermitRootLogin prohibit-password改成PermitRootLogin no（禁用root远程登录，提升安全性）
     保存退出：按Ctrl+O→回车→Ctrl+X
3. 重启SSH服务并设置开机自启

   sudo service ssh restart
   sudo systemctl enable ssh
   

4. 配置Windows端口转发（关键！让外部设备能访问WSL）
   WSL2的IP是动态的，每次重启可能变化，咱们先固定端口转发：
   • 先在WSL里查自己的IP：hostname -I，记下这个地址（比如172.18.0.2）
   • 打开Windows管理员权限的PowerShell，执行以下命令（把WSL_IP换成你查到的地址，端口换成你刚才在SSH里设置的，比如22）：

     netsh interface portproxy add v4tov4 listenport=22 listenaddress=0.0.0.0 connectport=22 connectaddress=WSL_IP
     

   • 最后允许这个端口通过Windows防火墙：打开「Windows Defender防火墙」→「高级设置」→「入站规则」→「新建规则」→选择「端口」→TCP→指定端口（比如22）→允许连接→勾选所有网络类型→命名为「WSL SSH」即可。

第三步：远程连接WSL并上传训练文件 #

现在你可以用无GPU的笔记本连接到带GPU的WSL服务器了：

1. 远程SSH登录
   在无GPU笔记本的终端（Windows Terminal、Linux/macOS终端都行）执行：

   ssh 你的WSL用户名@带GPU笔记本的局域网IP -p 22
   

   输入WSL用户的密码就能登录（如果改了SSH端口，把-p后面的数字换成你的端口）
2. 上传更新的.yaml和C#脚本
   用SCP命令最方便，在无GPU笔记本的终端执行：

   # 上传单个文件示例：把本地的config.yaml传到WSL的Unity项目config文件夹
   scp -P 22 ./config.yaml username@192.168.1.100:/home/username/UnityRaceCarProject/config/
   

   要是有多个文件，也可以用SFTP工具（比如FileZilla）可视化上传，操作更直观。

第四步：远程运行Unity ML-Agents训练（核心技巧） #

登录WSL后，进入你的Unity项目目录，就能像本地一样执行训练命令：

mlagents-learn --run-id=April9_remote_run

但要注意：直接运行的话，断开SSH连接训练就会中断！所以咱们用tmux让训练在后台持续运行：

1. 在WSL里安装tmux

   sudo apt install tmux -y
   

2. 启动tmux会话并运行训练

   # 创建一个名为ml_training的会话
   tmux new -s ml_training
   # 进入会话后，执行训练命令
   mlagents-learn --run-id=April9_remote_run
   

3. 脱离tmux会话（不中断训练）
   按Ctrl+B，再按D，就能回到普通SSH终端，此时训练会在后台持续运行，就算断开SSH也不会停止。
4. 重新连接tmux会话查看训练状态
   下次登录WSL后，执行：

   tmux attach -t ml_training
   

   就能回到训练的终端界面，查看日志和训练进度。

额外小提示 #

• 要是WSL的IP经常变化，你可以给WSL设置静态IP，或者写个Windows脚本让它开机自动更新端口转发，省得每次手动修改。
• 密钥登录比密码登录更安全，长期使用的话，可以在无GPU笔记本生成密钥对，把公钥传到WSL的~/.ssh/authorized_keys文件里，然后把SSH配置里的PasswordAuthentication改回no即可。

备注：内容来源于stack exchange，提问作者mLstudent33