我家小花儿

这个屌丝很懒，什么也没留下！

热门标签

windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同_wsl ubuntu docker 显卡

作者：我家小花儿 | 2024-05-27 12:15:30

踩

wsl ubuntu docker 显卡

windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同

介绍ubuntu系统下配置docker下GPU使用环境的文章很多，本文算是一个比较性梳理。
主要比较一下wsl2中的ubuntu和ubuntu系统下的差异。
需要注意的是，尽管两者都能够配置好GPU支撑环境，但两者有一个重大的差别是，直接使用ubuntu系统会具有更大的兼容性，特别是当docker使用的镜像中的cuda版本与当前系统中的cuda版本不一致时。

1. window下wsl2中安装ubuntu和docker以及GPU支撑环境

详细介绍的文章很多，这里不再一一说明，只说明步骤和一些注意事项。

步骤：windows终端

有些系统没有自带windows终端，默认是powershell，并不太方便。

最方便的是windows终端，可以从windows商店，下载安装。

步骤：wsl2安装

wsl属于系统的功能组件，所以需要从：更多 Windows 功能 -> 找到并勾选「Hyper-V」和「适用于 Linux 的 Windows 子系统」来安装，并重启。

使用命令查看一下状态：

wsl.exe  --status
1

关键是要更新wsl。

wsl --update
1

步骤：ubuntu 安装

ubuntu 安装可以从windows商店安装，也可以从wsl安装，从命令：

wsl --list --online
1

中选择一个ubuntu20.04安装即可。

步骤：ubuntu 更新国内源

为便于更快的更新，我们最好使用过内的源。方法是编辑/etc/apt/sources.list文件添加国内源。比如阿里的：

deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse

1
2
3
4
5
6
7
8
9
10
11

修改完毕后，使用命令更新：

sudo apt-get update
sudo apt-get upgrade
1
2

步骤：Gcc安装

sudo apt-get install build-essential
sudo apt-get install gcc g++
1
2

步骤：docker安装

使用原生的docker，不要使用docker-dosktop，因为后者无法调用GPU。

根据官网安装提供的说明安装。

docker安装完毕后可以用如下命令测试：

docker -v  #看docker版本
sudo docker run hello-world
1
2

若提示错误：

sudo docker run hello-world
docker: Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?.
See 'docker run --help'.
1
2
3

通常关闭docker服务并重启可以解决：

sudo service docker stop
sudo service docker start
1
2

测试也可以用anaconda镜像：

docker pull continuumio/anaconda3
docker run -i -t -p 8888:8888 continuumio/anaconda3 /bin/bash -c "/opt/conda/bin/conda install jupyter -y --quiet && mkdir /opt/notebooks && /opt/conda/bin/jupyter notebook --notebook-dir=/opt/notebooks --ip='*' --port=8888 --no-browser"
1
2

使用本机的浏览器来使用jupyter

步骤： docker 配置国内镜像地址

为便于在拉取镜像时加速下载，可docker配置国内镜像地址。
方法是修改/etc/docker/daemon.json文件，加入国内的镜像源，比如：

{
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "http://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn"
  ]
}
1
2
3
4
5
6
7

步骤：安装wsl2需要的nvidia cuda驱动（NVIDIA CUDA on WSL driver）

从【官网】下载 wsl2用的nvidia cuda在windows下安装。

因为这是针对wsl的驱动，因此wsl中的ubuntu等其他linux系统就不需要再安装nvidia 驱动了。

而且驱动中带的cuda可以使得wsl下的ubuntu可以直接运行cuda程序（Once a Windows NVIDIA GPU driver is installed on the system, CUDA becomes available within WSL 2.）。

但若要编译cuda程序，则ubuntu下还需要安装cuda toolkit。
从官网选择WSL-Ubuntu下载并安装即可。
通常情况下这一步可以不同做。因为使用docker拉取的镜像内部的环境和程序通常是编译好的。

步骤：安装docker的nvidia 支持

根据nvidia关于docker的【架构说明】,
可以知道NVIDIA Container Toolkit 是我们需要的，可以通过
安装nvidia-docker2或nvidia-container-runtime来获得，两者都是依赖于NVIDIA Container Toolkit，但两者用法不同。

安装nvidia-docker2或nvidia-container-runtime都是可以的，由于nvidia-docker2提供了docker的自动设置，所以通常我们安装nvidia-docker2就好了。

命令为：

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-docker2
1
2
3
4
5
6
7
8

或者：

curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | \
  sudo apt-key add -

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list

sudo apt-get update

sudo apt-get install nvidia-container-runtime
1
2
3
4
5
6
7
8
9
10
11

安装完毕后重启docker服务：

sudo service docker stop
sudo service docker start
1
2

步骤：测试docker的GPU调用

可以有多重方法测试docker的GPU调用，比如：

（1）nvidia-smi

sudo docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi
1

（2）k8s

sudo docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
1

（3）tensorflow的测试

docker run -it --gpus all -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter
1

成功运行可以看到以上界面，在windows系统的浏览器中输入localhost:8888/tree运行。

（4）pytorch的测试

sudo docker run --gpus all -it --name pytorch bitnami/pytorch /bin/bash
1

然后拷贝一个基于pytorch的深度学习训练文件到容器内并运行，然后观察运行结果，并可以从windows的任务管理器观察GPU调用情况。

2. ubuntu系统下安装docker以及GPU支撑环境

类似的详细介绍的文章很多，这里不再一一说明，只说明步骤和一些注意事项。

步骤：双系统安装ubuntu

双系统安装根据硬盘的分区结构有MBR和GPT两种方式，MBR的方式是比较老的方式，近几年已经不怎么用了，安装的时候比较简单，给电脑空出一部分硬盘来，利用ubuntu的iso进行u盘安装即可。
而GPT的方式也不复杂，唯一差别是在ubuntu安装的过程中硬盘分区时需要给ubuntu指定efi引导分区即可。

至于ubuntu的安装u盘可以使用ultraiso、Rufus等工具来制作，iso文件从镜像下载。

然后设置电脑bios从U盘启动，按ubuntu的安装引导步骤安装即可。

步骤：ubuntu设置国内镜像

同wsl2下的ubuntu下的操作

步骤：Gcc安装

同wsl2下的ubuntu下的操作

步骤：ubuntu下安装显卡驱动

终端使用nvidia-smi命令查看支持的cuda版本。
如果无法查看，则说明尚未安装nvidia驱动。

因此需要安装显卡驱动，选择ubuntu的软件与更新，点击附加驱动，选择对应版本的驱动即可自动安装（选择较高的专用版本，便于与新的cuda配合）。

步骤：ubuntu下安装cuda-kit

从【官网】选择合适的版本。

选择run版本，则可以在命令行完成操作，比如：

wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run
sudo sh cuda_11.7.1_515.65.01_linux.run
1
2

注意安装时若出错，则去掉cuda带的显卡驱动。

输入gedit ~/.bashrc命令打开文件并设置环境变量。

    export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1
2

更新环境变量配置

 source ~/.bashrc
1

完成后可以使用nvcc -V命令查看。

步骤：ubuntu下安装cudnn

从【官网】选择合适的版本。

注意需要使用nvidia账号登陆，临时注册一个即可。

根据安装说明可知，我们可以使用不同的方式，选择tar版本的下载是比较快的方式，命令也少。

下载tar版本的cudnn后，进入该文件所在目录并解压：

tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz
1

然后用如下命令复制即可（Copy the following files into the CUDA toolkit directory）

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
1
2
3

步骤：ubuntu下安装docker

同wsl2下的ubuntu下的操作

步骤：ubuntu下安装docker设置国内镜像

同wsl2下的ubuntu下的操作

步骤：ubuntu下安装nvidia-docker2或nvidia-container-runtime

同wsl2下的ubuntu下的操作

步骤：ubuntu下测试docker使用GPU

同wsl2下的ubuntu下的操作

3. 两种方式的比较

两种方式的主要差别在于：wsl2模式下不需要安装unbuntu下的显卡驱动，以及cudakit和cudnn，而直接ubuntu系统下则需要。
而wsl2需要在windows下安装NVIDIA CUDA on WSL driver，而直接ubuntu系统下不需要。
其他的则是相同的。

从功能实践看，对于一般的情况，两种方式都能达成目的。比如在docker下使用pytorch进行GPU训练都没有问题。
但有一个问题是，从其它电脑上拷贝来的镜像，它是低版本的cuda 10.2的，想用在ubuntu下启用，发现wsl2下启动不起来，而直接ubuntu下则可以，两者的cuda版本都是11.7，具体的原因我没有测试出来。
说明这种情况下，还是直接的ubuntu系统更具兼容性。

4. ubuntu和docker 相关命令、操作和一些注意事项

查版本

lsb_release -a  #Ubuntu查看自身版本：
docker -v   #docker
sudo docker version
1
2
3

docker的启停操作

sudo service docker stop
sudo service docker start
sudo service docker restart
1
2
3

或

sudo systemctl stop docker
sudo systemctl start docker
1
2

docker的镜像操作

查看镜像：sudo docker images | grep deep

删除镜像：sudo docker rmi [image] 或者：sudo docker image rm [image]

从将容器打包成镜像 sudo docker commit 容器id 镜像名:镜像版本

保存镜像 sudo docker save 镜像名:镜像版本 -o xxx.tar

本地安装docker镜像 docker load -i xxx.tar

docker的容器操作

查看所有容器：sudo docker container ls --all

查看所有容器容器 sudo docker ps -a

关闭容器 sudo docker stop 容器名

移除容器 sudo docker rm 容器名

从停止的容器启动容器并进入容器

sudo docker start 容器名
sudo docker exec -it 容器名  /bin/bash
1
2

从镜像启动容器并进入容器：

sudo docker run -it 镜像名[:带标签]  /bin/bash
1

docker 操作免sudo

默认情况下，ubuntu中的docker 操作命令需要sudo权限。可以通过权限设置使得不用再输入sudo。

查看是否存在docker用户组

grep docker /etc/group
1

若不存在，则通过如下命令加入：

sudo groupadd docker
1

加入后，再次查看可以看到：

docker:x:1001:usercur,root
1

将当前用户加入该group内，并更新即可

# 将当前用户添加到docker组中
sudo usermod -aG docker $USER
#或将登陆用户加入到docker用户组中
sudo gpasswd -a $USER docker    
# 刷新docker组，使其改动直接生效
newgrp docker
1
2
3
4
5
6

测试直接使用docker：

docker ps -a
docker run hello-world
1
2

而wsl中ubuntu下的的docker ，默认已经将登陆用户加入docker用户组，所以直接使用docker 命令即可。

dcoker的路径或端口映射

从镜像启动容器并进入容器并映射宿主机路径：

sudo docker run --gpus all -it -v [宿主机路径]:[容器中的路径]  镜像名[:带标签]  /bin/bash
1

其中--gpus all是调用GPU，-v是路径映射

docker run -i -t -p 8888:8888 anacondajupyter:v1 /bin/bash
1

其中-p是做端口映射

dcoker的文件操作

从宿主机复制文件到容器

sudo docker cp 文件路径含文件名 容器名:文件路径含文件名
1

从容器复制文件到宿主机

sudo docker cp 容器名:文件路径含文件名 文件路径含文件名 
1

dcoker的网络访问

默认的宿主机的ip地址为：172.17.0.1 而不是127.0.0.1

ubuntu安装本地的deb文件

直接使用apt-get install即可。

python的安装和使用

使用anaconda是最方便的。
注意安装的时候直接为当前用户安装即可，不需要sudo。

bash ~/Downloads/Anaconda3-2019.10-Linux-x86_64.sh
1

根据提示安装即可，默认的终端自动激活环境也是方便的。

安装软件用

conda install <package_names>
1

如下四个环境相关的命令最常用

新建虚拟环境	conda create --name <env_name> <package_names>	多个包名用空格分开
切换conda环境	conda activate env_name	
退出虚拟环境	conda deactivate	
列出所有虚拟环境 conda info --envs
1
2
3
4

anconda也可以配置国内源以提升下载速度：

conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'   
conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/'  
conda config --set show_channel_urls yes
1
2
3

手动运行容器中的jupyter

进入容器后手动运行jupyter

docker exec -it 7da9ad3a0be2 /bin/bash
conda install jupyter -y --quiet 
mkdir /opt/notebooks
jupyter notebook --allow-root --notebook-dir=/opt/notebooks --ip='*' --port=8888 --no-browser &
1
2
3
4

然后在window下的浏览器中输入上述命令的输出提示即可。

小结

本文梳理了wsl2下的ubuntu和直接的ubuntu系统下的docker使用GPU的步骤，为GPU使用环境配置提供支持。

参考：

https://www.cnblogs.com/wenhsing/p/15743124.html
https://blog.csdn.net/qq_18625805/article/details/109732122
https://docs.docker.com/engine/install/ubuntu/
https://www.jianshu.com/p/be669d9359e2
https://blog.csdn.net/sunbrightness/article/details/116783604
https://docs.nvidia.com/cuda/wsl-user-guide/index.html
https://www.modb.pro/db/198499
https://github.com/NVIDIA/nvidia-docker
https://github.com/NVIDIA/nvidia-container-runtime
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/arch-overview.html#arch-overview
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#installing-on-ubuntu-and-debian
https://gitlab.com/nvidia/container-toolkit/container-toolkit/-/tree/main/cmd/nvidia-container-runtime
https://hub.docker.com/r/continuumio/anaconda3
https://blog.csdn.net/hwh295/article/details/113409389
https://blog.csdn.net/xianxi9883/article/details/107358445/
https://blog.csdn.net/xianxi9883/article/details/107358445/
https://baiyue.one/archives/1651.html
https://docs.nvidia.com/cuda/wsl-user-guide/index.html
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
https://blog.csdn.net/ashome123/article/details/105822040
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
https://blog.csdn.net/moutain9426/article/details/120252641
https://www.cnblogs.com/dereen/p/dl_env.html
https://blog.csdn.net/JinLu_/article/details/125700340
https://blog.csdn.net/qq_29225913/article/details/105347317

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/631888

windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同_wsl ubuntu docker 显卡

windows下wsl2中的ubuntu和ubuntu系统下docker使用gpu的异同

1. window下wsl2中安装ubuntu和docker以及GPU支撑环境

步骤：windows终端

步骤：wsl2安装

步骤：ubuntu 安装

步骤：ubuntu 更新国内源

步骤：Gcc安装

步骤：docker安装

步骤： docker 配置国内镜像地址

步骤： 安装wsl2需要的nvidia cuda驱动（NVIDIA CUDA on WSL driver）

步骤： 安装docker的nvidia 支持

步骤： 测试docker的GPU调用

2. ubuntu系统下安装docker以及GPU支撑环境

步骤：双系统安装ubuntu

步骤：ubuntu设置国内镜像

步骤：Gcc安装

步骤：ubuntu下安装显卡驱动

步骤：ubuntu下安装cuda-kit

步骤：ubuntu下安装cudnn

步骤：ubuntu下安装docker

步骤：ubuntu下安装docker设置国内镜像

步骤：ubuntu下安装nvidia-docker2或nvidia-container-runtime

步骤：ubuntu下测试docker使用GPU

3. 两种方式的比较

4. ubuntu和docker 相关命令、操作和一些注意事项

查版本

docker的启停操作

docker的镜像操作

docker的容器操作

docker 操作免sudo

dcoker的路径或端口映射

dcoker的文件操作

dcoker的网络访问

ubuntu安装本地的deb文件

python的安装和使用

手动运行容器中的jupyter

小结

参考：

步骤：安装wsl2需要的nvidia cuda驱动（NVIDIA CUDA on WSL driver）

步骤：安装docker的nvidia 支持

步骤：测试docker的GPU调用