在Windows11上，使用Ubuntu22.04和Docker构建Pytorch(GPU)环境

1 年 ago

科, 雅

1 minute

首先

我参考了以下网站，然后对其中不起作用的部分进行了修改和补充。

1. 安装WSL和Nvidia容器工具包。

1.1 安装WSL

在Microsoft Store中，安装并重启PC后，打开”ubuntu 22.04 LTS”应用程序，输入姓名、密码等信息。

安装1.2版的nvidia-container-toolkit。

执行以下官方网站的步骤：”设置软件包存储库和GPG密钥：”。

具体地说，执行这段代码。

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
      && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
      && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
            sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
            sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

2. Docker Desktop的设置

从这里开始安装Docker桌面版。

打开Docker桌面，点击右上角的设置图标（齿轮）→资源→WSL集成，
然后勾选该版本并切换开关打开。
（如果不这样做，在WSL中会显示”docker not found”）

3. 设置作业文件夹并构建docker+PyTorch环境

3.1 设置作业文件夹

cd 作業フォルダのパス
pwd

通过记录输出路径来做备忘，例如

/home/user/workspace

3.2 下载 Docker 镜像

为了确认cuda的版本，请输入以下内容。

nvidia-smi

从这里开始，复制与”CUDA版本：~”部分的数字相匹配的命令(devel)（docker pull ~），然后输入（需要花费10分钟或更长时间）
※稍低的版本也可以。

创建Docker容器并进入其中。

为了创建容器，请输入以下命令：
请注意，将“pytorch/pytorch:2.0.0-cuda11.7-cudnn8-devel”部分替换为“docker pull ~”部分。
请使用“my_env”作为容器名称，您可以选择任意名称。

docker run --gpus all --ipc host -v /home:/home --name my_env -it pytorch/pytorch:2.0.0-cuda11.7-cudnn8-devel /bin/bash

启动容器

docker start my_env

装进容器里

docker exec -it -w /home/user/workspace my_env bash

确认

nvidia-smi

首先

目录