基于Docker的深度学习环境NVIDIA和CUDA部署以及WSL和linux镜像问题

1. 什么是Docker？

docker的介绍网上有很多，对于深度学习的认来讲，docker的好处就是直接把环境分享给他人，他人不需要再配置环境了。

比如我有一个目标检测的项目，我想分享给朋友，那么他首先需要在自己的电脑上配置好显卡驱动、CUDA、CuDNN，在拿到我的项目后，还需要安装各种依赖库，最后代码还不一定跑起来。

如果我是用了docker环境进行项目配置，我只需要将环境打包好后分享给朋友。他只需要安装好显卡驱动就行，什么cuda、pytorch之类的都在我分享的环境了。

实际上github很多项目都提供了docker方式，但是我们更多还是自己配置环境和安装对应的pytorch版本，自己调试代码尝试复现作者的项目。如果你使用了docker，分分钟就能将作者的环境在自己的电脑上复现，非常便捷。

2. 深度学习环境的基本要求

在本文，我将介绍docker的基本使用，以及总结可能遇到的bug的解决方法。

在dockerhub中，有很多现成的镜像可用，本文中会使用anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04分享的镜像。

该镜像是ubuntu20+cuda11.3+pytorch1.10.2，根据描述（ENV NVIDIA_REQUIRE_CUDA=cuda>=11.3 brand=tesla,driver>=418,driver<419 driver>=450）我们只需要本机满足显卡驱动版本即可。其他版本的镜像可以去该作者的主页，他制作了非常多的镜像。

3. Docker的基本操作

3.1 在Windows上安装Docker

windows有桌面docker，所以安装过程比较简单，按照普通软件安装即可。
安装成功后，启动Docker Desktop软件，等待docker引擎启动后，我们就可以在cmd中使用docker命令了。比如执行sudo docker ps -a查看容器，如果没有报错证明ok了，当然现在我们还没有创建容器也不会输出什么有用的，不报错就行。

潜在的bug可能会与WSL有关，需要windows电脑安装有WSL，遇到这类bug可以参看网上的教程。

3.2 在Ubuntu上安装Docker

ubuntu可以通过apt安装，比较简单：

sudo apt-get update

sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt-get update

sudo apt-get install docker-ce docker-ce-cli containerd.io

然后在终端执行：sudo docker ps -a查看容器，如果没有报错证明ok了，当然现在我们还没有创建容器也不会输出什么有用的，不报错就行。

3.3 拉取一个pytorch的镜像

现在docker安装好了，我们拉取一个上面这个配置好cuda和pytorch的镜像：
docker pull anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04

因为我之前下过，所以显示Already exists。等待镜像拉取完成，如果成功了，我们可以查询所有镜像：
docker image ls

3.4 部署自己的项目

镜像我们有了，现在我们可以创建容器了。
容器就像是一个运行起来虚拟机，我们使用同一个镜像创建不同的容器，就像使用同一个windows系统安装盘（镜像），给不同电脑装系统，这些运行起来的电脑就是容器。注意容器的改变不会影响镜像，如果你在容器里部署好的项目，需要将容器导出为新的镜像分享即可。

创建容器的命令是：
docker run -it --gpus all --name container_name anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04 /bin/bash
在这个命令中，run是创建容器的指令，-it是交互式终端，因为创建的容器就相当于一个本机中的linux服务器，我们可以通过终端与容器交互。–gpus all这个就是使用本机的gpu，–name是给新建容器取个名字， anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04就是要使用的镜像，/bin/bash是指定bash。

可以看到创建成功后，我们就直接进入了容器中，处于容器的/app目录下。

现在我们可以像使用云服务器那样部署自己的项目了，比如在本机终端中（非容器中）使用docker cp 将本机中的项目复制到容器中的/app目录下。

3.5 导出配置好项目的新镜像

现在我们假设你已经在容器中部署好自己的项目了，比如通过python train.py就可以训练，你想让你的朋友也能体验这个项目，那就需要将你的容器打包为镜像分享。

将容器打包为镜像为命令是：
docker commit -m "some information" <容器ID>

容器ID可以通过docker ps -a查询到，该命令可以查询所有容器信息。
image_name:version就是你自己定义的镜像的名字和版本号。

4. 分享新镜像

现在在本地已经有新镜像了，分享有两种：直接将镜像打包tar分享，或者上传到云，类似本文使用热心作者的镜像那样。

4.1 将镜像导出为tar分享给他人

打包导出的命令：docker save image_naem:version -o output_name.tar
-o就是output，也就是将镜像保存到什么文件。如果不报错在当前目录下能够看到你的镜像tar文件。

他人收到这个tar后，可以通过docker load -i xxx.tar完成加载，如果成功了可以通过docker image ls查看到该镜像。

4.2 或者将镜像推送到云仓库

云仓库可以自己去弄一个，当然dockerhub也可以免费上传分享，前提是你有一个dockerhub的账号。

首先在终端需要登录你的账号：docker login根据提示填写账号和密码。
首先给新镜像打tag：
docker tag new_image:version username/new_image:version
比如sudo docker tag pt_test_image:0 thgpddl/pt_test_image:0
注意，请将thgpddl替换为自己的用户名，然后我们就可以看到新tag的镜像（实际上发现tag的和之前的镜像只是名字不一样，其ID是一样的）

然后开始上传：docker push thgpddl/pt_test_image:0
然后等待上传成功后（不过很可能出现408网络问题，可以尝试开启代理试试），在dockerhub就可以看到上传的镜像了。

5. 使用新镜像

在另一个安装了docker的电脑上使用分享的镜像很简单。如果新镜像上传到了dockerhub，则和拉取镜像一样：docker pull username/image_name:version。
如果是通过save保存到本地的，镜像是一个tar包，则可以在新电脑上通过：docker load -i new_image.tar加载。

6. 跨平台造成nvidia-smi不可用的问题

注意：因为windows的docker底层使用的WSL，和Linux不一样，所以在一个平台制作导出的镜像在另一个平台使用时，可能会出现gpu不可用的问题。比如在Ubuntu系统加载Windows平台导出的镜像时，通过docker run --gpus all创建容器后，在容器中使用nvidia-smi会报错：NVIDIA-SMI couldn't find libnvidia-ml.so library in your system. Please make sure that the NVIDIA Display Driver is properly installed and present in your system.Please also try adding directory that contains li PATH. 那么接下来的内容就会详细如何解决跨平台无法使用GPU的问题

首先会出现问题的情况有（同平台是没有问题的，比如linux和linux，windows和windows）：

取个名字	导出镜像的平台	使用镜像的平台	问题
win2linux	Widnows	Ubuntu	容器内使用nvidia-smi命令报错：NVIDIA-SMI couldn’t find libnvidia-ml.so library in your system.
linux2win	Ubuntu	Windows	创建容器时使用–gpus参数就会报错：libnvidia-ml.so.1- file exists- unknown

6.1 确认是该问题

我在windows制作的镜像在ubuntu加载后，无法使用nvidia-smi命令并报错NVIDIA-SMI couldn’t find libnvidia-ml.so library in your system.，那么我们需要先确认是不是本节要讨论的问题，所以我们要在容器中查询：

• 显卡是否存在：lspci | grep -i nvidia（需要安装sudo apt update && sudo apt install pciutils），可以看到存在显卡2208（十六进制），然后在显卡查询查询2208得知是3080ti，就是我的显卡。
  
• 显卡驱动是否存在：cat /proc/driver/nvidia/version，可以看到在容器中是可以查询到宿主机的显卡驱动的，证明没问题。
  好了，说明显卡和显卡驱动都是正常的，nvida-smi就是不可用
  

现在请根据自己是哪一个跨平台情况按步骤解决把

6.2 win2linux问题如何解决？

本质问题如图，解决办法就是重新建立软链接，不过方法多样而已。

6.2.1 手动创建软链接

在linux加载来自windows的镜像后，进入容器后使用nvidia-smi命令会报错：

首先查询软链接情况：ldconfig，看到很多libnvidia和libcuda软链接为empty，所以我们目标就是重新建立软链接

进入目录：cd /usr/lib/x86_64-linux-gnu，通过find -name "libnvidia-ml.so"查询显卡驱动515.43.04，请记住这个。

建立libnvidia-ml.so的软链接：

# libnvidia-ml.so.515.43.04 -> libnvidia-ml.so.1
sudo rm -f libnvidia-ml.so.1
sudo ln -s libnvidia-ml.so.515.43.04 libnvidia-ml.so.1

建立libcuda.so的软链接

# libcuda.so.515.43.04->libcuda.so.1
sudo rm -f libcuda.so.1
sudo ln -s libcuda.so.515.43.04 libcuda.so.1

515.43.04是我的本机驱动，请改为自己的。

测试一下：

可以看到nvidias-mi命令可以用了，然后在python中导入torch后创建一个张量放到cuda上去没有报错，说明cuda可用了。

6.2.2 使用Dockfile自动完成

Dockfile就是创建镜像的一种方法，这里大概原理就是在镜像1的基础上，生成镜像2，而在生成过程中自动建立libnvidia-ml.so和libcuda.so的软链接。

注意，与上面方法不同在于，上面的方法是从镜像1创建容器后，到容器里手动创建软链接，然后该容器就可以使用cuda了。本节方法是在镜像1上创建软链接，得到新的镜像，然后就可以直接从镜像创建cuda可用的容器。

那么现在，比如我现在要在linux下使用来自windows的镜像thgpddl/win_1050:0，首先建立createlink.sh文件，内容如下：

# 查找libnvidia-ml.so.driver_version文件，并保存driver_version版本号
libnvidia_ml_file=$(find /usr/lib/x86_64-linux-gnu/ -name 'libnvidia-ml.so.*'|grep -v libnvidia-ml.so.1)
driver_version=${libnvidia_ml_file#/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.}
echo "[success]:find GPU driver version=$driver_version"

# 删除libnvidia-ml.so.driver_version.1原本存在的软链接，并且新建软链接：libnvidia-ml.so.1.driver_version -> libnvidia-ml.so.1
rm -f /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
ln -s "$libnvidia_ml_file" /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
echo "[success]:create ls: libnvidia-ml.so.1.$driver_version -> libnvidia-ml.so.1"

# 删除libcuda.so.driver_version原本存在的软链接，并且新建软链接：libcuda.so.1.driver_version -> libcuda.so.1
rm -f /usr/lib/x86_64-linux-gnu/libcuda.so.1
ln -s "/usr/lib/x86_64-linux-gnu/libcuda.so.1.$driver_version" /usr/lib/x86_64-linux-gnu/libcuda.so.1
echo "[success]:create ls: libcuda.so.1.$driver_version -> libcuda.so.1 -> libcuda.so"

然后在同目录下新建Dockerfile文件（D大写且没有后缀），内容：

FROM thgpddl/win_1050:0 # 优先从docker image找，没有就从dockerhub找

WORKDIR /app          # 创建工作目录/app
COPY ./createlink.sh .     # 将本机的createlink.sh复制到镜像中的/app目录下，注意后面有个点，代表WORKDIR文件夹
USER root     # 切换root用户
RUN cd /app && ./createlink.sh  # 进入 /app执行createlink.sh

然后创建新镜像：sudo docker build -t new_image_name . 注意最后的点，是指Dockerfile所在的目录（终端应当进入Dockerfile和createlink.sh所在的目录）

该Dockerfile大概意思就是使用thgpddl/win_1050:0作为基础镜像，然后在镜像中创建/app文件夹，然后将createlink.sh复制到镜像里，切换到root用户，进入/app目录并执行createlink.sh自动创建软链接。至此得到软链接已经创建的新镜像了。

在实际使用中，createlink.sh是不用更改的，如果你想分享你的镜像，那么直接给一个文件夹，其中包含createlink.sh和Dockerfile文件，Dockerfile第一行改为你的镜像即可。

6.3 linux2win问题如何解决？

在windows加载来自linux的镜像后，进入容器后使用nvidia-smi命令会报错：

从最后一行大概是说创建这个libnvidia-ml.so.1失败，因为它已经存在。实际上这就是win2linux是我们创建的软链接，可以在windows上它不能覆盖，否则应该能自动覆盖正常运行了。既然windows的docker不能自动覆盖掉，我们帮它删除即可。

基本原理如下，其实无论下面哪种方法都是要删掉两个so软链接。

6.3.1 在WSL使用时手动删除软链接

当然很多时候镜像发布者没有考虑到这个问题，作者在ubuntu下使用–gpus配置好环境后直接发布了，所以我们需要自己去删除libnvidia-ml.so.1和libcuda.so.1文件。

因为启动命令使用–gpus all使用gpu，所以会调用libnvidia-ml.so.1，那么我们不使用gpu，应该能创建容器，然后进去删掉该文件，然后再docker commit为镜像，然后在新镜像就能使用gpu了（此时没有libnvidia-ml.so.1，docker就能创建成功了）

大概意思如下图，镜像1和镜像2的区别在于镜像2删掉了来自ubuntu的libnvidia-ml.so.1（和libcuda.so.1）

首先不使用gpu创建容器：docker run -it --name container_name image_name /bin/bash
然后删除两个so文件：

(cmd) docker run -it --name container_name image_name /bin/bash
(容器内) sudo rm -f /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
(容器内) sudo rm -f /usr/lib/x86_64-linux-gnu/libcuda.so.1

然后形成新镜像：docker commit -m "some information" container_name new_image_name:0

现在我们得到了一个可以在windows下正常使用的镜像了：
docker run -it --gpus all --name container_name new_image_name:0 /bin/bash

6.3.2 使用Dockerfile自动完成

上节是在非gpu容器中删除两个so.1文件，然后制作为新镜像就可以使用gpu。实际上我们也可以借助Dockerfile来自动在创建新镜像时删除两个so.1文件，一步到位。

Dockerfile文件的内容：

FROM thgpddl/linux2win:0
USER root
RUN rm -rf /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1 /usr/lib/x86_64-linux-gnu/libcuda.so.1

然后创建新镜像：sudo docker build -t new_image_name . 注意最后的点，是指Dockerfile所在的目录（终端应当进入Dockerfile所在的目录）
其实该Dockerfile很简单，就是使用基础镜像thgpddl/linux2win:0，然后切换root用户，删除libnvidia-ml.so.1和libcuda.so.1，得到新的镜像文件。

6.3.3 不使用–gpus all的容器打包（针对镜像发布者）

因为linux的镜像在windows使用报错是因为创建libnvidia-ml.so.1失败，因为它已经存在，libnvidia-ml.so.1是在ubuntu中使用gpu创建的。如果ubuntu中不使用gpu，就不会有libnvidia-ml.so.1文件，那么就可以直接在windows上使用而不报错。

其实不用太复杂，我们在ubuntu容器中配置好自己的项目后，然后直接删除两个so.1文件后（确保你不再使用gpu，因为删除后在当前容器就不能使用gpu），直接docker commit导出镜像即可。因为该镜像本身没有两个so.1文件，所以可以直接在Windows或者其他linux中的docker中使用–gpus。

因为ubuntu镜像在windows中报错是因为windows要产生so.1文件，但是ubuntu镜像中存在so.1文件且windows无法强制覆盖。现在好了，我发布镜像时直接打包时删除so.1文件，在win下就不会报错了。

7. 总结

• WSL的镜像在Linux下使用需要设置软链接，Linux镜像在WSL下使用时需要删除软链接。
• libcuda.so.version和libnvidia-ml.so.version，这里的libcuda.so.derver不是安装cuda生产的，而是安装驱动生成的，提供该驱动调用cuda的api。

8. 常见问题debug

• error during connect: in the default daemon configuration on Windows, the docker client must be run with elevated privileges to connectxxxxx：
  可能是docker desktop自动更新导致了一些问题，重启docker就好了
• 解决Docker 一直starting 的办法：解决Docker 一直starting 的办法
• WIN10家庭版 找不到Hyper-V的解决办法
• libGL.so.1一般是安装使用opencv造成的，直接pip install opencv-python-headless
• 权限问题，在run指定参数–user=root也是可以解决的，但是可能也是文件夹本身需要chmod改权限
• windows中wsl是默认放在c盘的，非常占用磁盘，【转载】Win10/11 更改 WSL Docker Desktop 存储路径
• docker 问题不断重启即可，要退出quit那种重启

Reference

win10 WSL2 Docker 与 Linux Docker
WSL2上Docker打包的镜像迁移到Ubuntu服务器上无法使用GPU
libcuda.so.1: cannot open shared object file: No such file or directory
WSL启动nvidia-docker镜像：报错libnvidia-ml.so.1- file exists- unknown