docker配置深度学习环境(WSL2)

文章目录

  • 前言
  • 配置记录

前言

想试试在WSL2下配置深度学习的环境,因此简单记录一下。

没有安装wsl2的小伙伴可以食用

WSL2安装教程

WSL2和Docker使用GPU

配置记录

下面bolg可能会用到的命令

#查看镜像
docker images
#运行镜像
docker run -it -d 镜像ID
docker run -it --gpus all 镜像ID
# 列出所有运行的容器
docker ps
#开始容器
docker start 容器ID
#执行容器
#docker exec -it 容器ID bash

查看现有镜像

docker images
penge@PC-20220523VGPE:~/anaconda3$ docker images
REPOSITORY                       TAG                        IMAGE ID       CREATED         SIZE
nvcr.io/nvidia/k8s/cuda-sample   nbody                      06d607b1fa6f   3 weeks ago     321MB
ubuntu                           latest                     2dc39ba059dc   5 weeks ago     77.8MB
nvidia/cuda                      11.7.0-devel-ubuntu18.04   3b8b228caf46   8 weeks ago     4.8GB
nvidia/cuda                      11.7.0-base-ubuntu18.04    26de8915064f   8 weeks ago     199MB
hello-world                      latest                     feb5d9fea6a5   12 months ago   13.3kB

使用nvidia/cuda 的镜像

sudo docker run -it --gpus all 3b8b228caf46

在这里插入图片描述

检测GPU配置

nvcc -V
nvidia-smi

docker配置深度学习环境(WSL2)_第1张图片

简单安装一下常用的工具

set -e
apt-get update
#安装vim
apt-get -y install vim
#安装wget
apt-get -y install wget

安装anaconda[笔者这里是进入到home目录下进行安装的]

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh
bash Anaconda3-2021.11-Linux-x86_64.sh
vim .bashrc
# vim编辑内容为
export PATH="/root/anaconda3/bin"
#
source .bashrc
conda -V
#创建环境
conda create -n pytorchgpu python=3.7

Bug

root@b42d9b05e848:~# ls
bash: ls: command not foun
export PATH=/bin:/usr/bin:$PATH

cuda11.7安装torch环境

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

测试一下是否可以使用torchGPU
docker配置深度学习环境(WSL2)_第2张图片

最后,这里笔者遇到了一个问题,就是每次进入wsl2的时候都需要重新安装,展示还没找的BUG。

如果不想用的小伙伴可以食用win10卸载WSL2记录

从入坑到入土系列

你可能感兴趣的:(docker,深度学习,容器)