零、写在正文前，炼丹环境选择指南
写者之前的工作是 Linux 相关开发，去年十月毅然辞职考研，准备两个月时间成功上岸中部某 985 计算机专硕。今年4月份联系导师，开启了我的炼丹/搬砖生活。
炼丹前的配置环境的方案，写者查阅了很多博客，知乎专栏，新新旧旧，只言片语之中，慢慢探索出来一条 Windows 炼丹比较稳妥的方案。在此之后写者发现，大多数炼丹师循着前辈的足迹，选择使用 Conda 这种虚拟环境配置方案，可以在不同的要求下，配置不同版本的炼丹环境，这的确是比较容易的，而且相关技术文档比较多的一条路线。如果追求稳定和不操心，Anaconda 是一种相当稳妥的配置环境的方案。
而全网上对于 Docker 炼丹环境的配置，可能这是第一篇完整且细致的文章了。
一、为什么使用 Docker 配置炼丹环境
首先，在 WSL2 的发布之前，Docker 在 Windows 上完全是以虚拟机的形式实现的，这意味着不小的性能损耗，并且不支持 GPU 的调用，想用 Docker 在 Windows 平台炼丹的复杂程度堪比登天。WSL2 作为微软拥抱 Linux 社区的一份贡献，使得 Docker 现在完全可以通过 WSL2 来原生运行。
在 Win11 环境中大约有 66% 在 Ubuntu2004 中的机器学习速度，而在 WSL2 中则有 80% 的在Ubuntu2004 中的机器学习速度。使用Docker的炼丹更快！
其次，Docker 是跨平台的，如果 80% 的炼丹速度对你有困扰，完全可以在将你的 Docker 炼丹环境上传到云端，在 Linux 服务器上安装 Docker 之后，再从云端拉取下来，完全可以像 Git 使用代码一样使用深度学习环境。使用 Docker 的跨平台兼容性更好！
最后，使用 Conda 配置 Cuda 炼丹环境，通常情况下除去 Conda 不说，还需要安装 Nvidia 显卡驱动，还有cudatools 包、cudnn 包等等。这些包体积都很大，而且服务器都在国外，下载速度很堪忧。而 Docker 的镜像已经包含了这些包，只需要等待 Docker 镜像下载完成，就能实现开箱即用。使用 Docker 搭建环境速度块！
二、Docker 深度学习环境搭建
在 Linux 上搭建
以 Ubuntu2004 系统为例：首先使用命令行安装 Docker （docker_io是 Ubuntu 官方维护的， Docker Desktop 是 docker 官方维护的，写者测试前者简单且稳定，后者安装 bug 很多，不建议使用）
sudo apt-get update
sudo apt-get install docker.io
sudo systemctl start docker（如果 D0cker 没有启动，使用这条命令启动）安装 Nvidia 驱动，这里推荐在官网上下载 官方 GeForce 驱动程序 | NVIDIA 。执行前先给驱动文件执行权限
sudo chmod 777 <driver-name>.run
./<driver-name>.run然后拉取自己想用的 Docker 镜像。
可选：如果希望能远程链接到 Linux 上的 Docker 容器，那么执行以下命令：
echo 'export DOCKER_HOST=tcp://0.0.0.0:2375' >> /etc/profile
source /etc/profile在 Windows 上搭建
写者使用的是 Windows11 ，因此默认已经开启了 WSL2 。请确认已经开启了 hyper-v 虚拟化，这包含两部分：一个是 CPU 虚拟化支持，这个需要在 BIOS 中开启（AMD 为 SVM；Intel 为 Intel-vt）。如果已经开启虚拟化支持，在任务管理器中可以看到虚拟化已启用。
另一个是 Windows 的 Hyper-V 功能开启，这个功能默认是关闭的。（注意，台式机主板重置后会默认关闭）
WSL2 安装就比较简单了，直接在 Microsoft Store 中直接搜索 Windows Subsystem for Linux Preview 安装。
再安装你喜欢的 Linux 发行版，写者使用的是 Ubuntu20.04 LTS， 与写者在实验室的环境一致，方便后期到服务器运行代码。这里注意，配置完账户和密码后，一般是不需要进 WSL 内部继续设置了。
安装 Docker Desktop ，这里是官网下载：Docker Desktop release notes | Docker Documentation；
注意：写者最近发现最新版的 Docker 使得 Pycharm 无法在开启的容器终端中输入，4.9.1版本没有这个问题。
2022.8.4 更新：写者发现上述bug在 Pycharm 2022.2 版本已经解决，完全可以安装最新版的 Docker 和 Pycharm （bug解决详情）。
如果有其他安装问题，这是官方指导文档：Install Docker Desktop on Windows | Docker Documentation；
然后拉取自己想用的 Docker 镜像。这里以写者所用的 Pytorch 镜像为例。你可以使用以下命令拉取：
docker pull mortals/codeenv:pytorch-base-conda写者使用的镜像相关信息在 DockerHub可以查询到，镜像相应的 DockerFile 在 GitHub 上也可以查到。
可选：如果希望远程链接 Docker 容器，则需要勾选 Docker Desktop 中设置/General/Expose daemon on tcp://localhost:2375 without TLS；
但是写者发现，仅能使用 tcp://localhost:2375 访问，就算是本机局域网 IP 都无法连接到。那么我们可以使用端口转发，并在防火墙中开启这个端口。管理员权限打开 CMD 使用以下指令修改：（注意修改your-public-ip）
netsh interface portproxy add v4tov4 listenport=2375 connectaddress=127.0.0.1 connectport=2375 listenaddress=<your-public-ip> protocol=tcp如果不用这个 IP ，管理员权限打开 CMD 使用以下指令删除端口转发 ：（注意修改your-public-ip）
netsh interface portproxy delete v4tov4 listenaddress=192.168.191.6 listenport=2375最后如果发现不能访问，打开防火墙端口：
netsh advfirewall firewall add rule name="docker_daemon" dir=in action=allow protocol=TCP localport=2375在 Pycharm 使用 Docker 环境
在插件中安装 Docker 插件（默认捆绑）。注意，这里需要 Pycharm 专业版，社区版的 Docker 支持不完整。
添加 Docker 连接。在左下角边栏有“服务”（service）选项，选中该选项中顶部 “+”选项
添加 Docker 连接，弹出菜单对话框，Windows 默认使用 Docker for WIndows，Linux 可以使用 Unix socket点击确定；如果是远程链接，使用 tcp 套接字，填入自己的ip后，点击确定。
添加 Docker 注册表 ，这个是为了添加自己的 Docker 账户，拉去和推送镜像更方便。
添加 Docker 镜像的 Python 编译器。点击右下角的编译器名字，可以添加解释器。
选择 Docker ，因为之前已经连接过了 Docker ，因此可以在这里选择镜像，之后点击确定就可以完成了。
到此位置，Docker 深度学习环境已经可以使用了。
在 WSL2 中 Docker 调用 Nvidia GPU 使用 CUDA 训练模型
在很多几年前的博客和教程中，大多数是安装使用 Nvidia-docker 来调用GPU，然后如果是在 WSL 中还需要安装 Nvidia 显卡的 CUDA 驱动。
写者在多日的研究 WSL2 和 Docker 文档中，发现 WSL2 已经可以透传 GPU 使用。也就是在 Windows 安装过Nvidia 驱动之后，直接可以在 WSL2 中使用 GPU，可以测试 nvidia-smi 来查看驱动。由于驱动向后兼容，尽量把驱动升级到最新，这样支持的 CUDA 的相关工具更多，尽量避免使用容器中的 CUDA 工具包不兼容出现的奇奇怪怪的 bug 。
Docker 也支持了 WSL2 GPU 透传，这就不需要再专门下载 Nvidia-docker ，使用方法就是加入运行参数
--gpus allWSLg 也可以支持，这是 Linux 原生图形化支持。需要将 \\wsl$\Ubuntu-20.04\mnt\wslg\.X11-unix\ 映射到 /tmp/.X11-unix。（这里是路径选择方式）
最后完成之后的配置结果如下图：
至此，就可以愉快的炼丹了！
扫码分享收藏