【Windows】使用docker搭建多个cuda版本的深度学习环境并用VSCode的SSH连接环境开发
本文章介绍如何在Windows10家庭版系统中搭建docker4.24.0（容器Ubuntu18.04+GPU cuda10.1+Anaconda深度学习框架），并配置VSCode的SSH连接容器后实现运行.ipynb文件
目录
（2）从Docker Hub获取镜像源并搭建Ubuntu18.04-CUDA10.1-GPU环境
观前须知
1、你想要实现一台电脑拥有多个cuda环境来适配不同的深度学习框架吗？（eg.10.2,11.6）
2、放心吧，虚拟机不能装GPU驱动！放弃开多个镜像环境的想法吧哈哈哈（除非你喜欢玩"双系统"切来切去的）
3、试了试docker，卧槽，神！恨自己相识尚晚（^v^）
接下来我将介绍如何在Windows10家庭版系统中搭建docker4.24.0（容器Ubuntu18.04+GPU cuda10.1+Anaconda深度学习框架），并配置VSCode的SSH连接容器后实现运行.ipynb文件
(虽然是原创，但更多的是缝缝补补总结网上各种方法，以及踩过的坑，只是为了方便自己及大家进行环境搭建，少走弯路嘞~）
名词解释：
宿主机：运行docker的操作系统，如Win10
Docker容器：独立于外界的运行环境，环境存在于内存中，文件写在磁盘上，如Ubuntu容器（类似领域展开）
步骤
（1）安装docker
docker官网：Docker: Accelerated Container Application Development（最新版）
docker安装文档：Docker Desktop release notes | Docker Docs（过去版本的docker，不建议安装太新的，容易因为WSL出问题)
我Win10用的是docker 4.24.0，之前用4.30.0的反而容易出BUG
百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全稳固，支持教育网加速，支持手机端。注册使用百度网盘即可享受免费存储空间
https://pan.baidu.com/s/14GwokeWLC3wduOFxIucAdQ?pwd=kxp1 提取码：kxp1（永久有效）
如果你安装出现docker engine stop问题，可以先看看这篇文章下面的一些docker安装问题
（当然可能有概率解决不了哈哈哈哈哈哈哈,祝好运~）
打开docker，在设置更改一下docker镜像源配置，方便后续下载镜像更快捷（2024.5.26测试下面三个镜像还有效）
{
"builder": {
"gc": {
"defaultKeepStorage": "20GB",
"enabled": true
}
},
"experimental": false,
"registry-mirrors": [
"https://dockerproxy.com",
"https://mirror.baidubce.com",
"https://ccr.ccs.tencentyun.com"
]
}
（2）从Docker Hub获取镜像源并搭建Ubuntu18.04-CUDA10.1-GPU环境
Docker Hub网址：https://hub.docker.com/（科学上网访问网站）
在里面能找到一些前辈搞出来的镜像安装包（即已经配好了环境，开箱即用，非常方便）
比如说我们拿接下来某位大哥搞好的镜像来装我们环境
在cmd或者PowerShell，输入下方命令来拉取镜像，非常方便（拉取镜像不用科学上网，因为之前配置过镜像源）
（写这篇博客时那个镜像还在，如果用不了就得自行访问网站找环境了QAQ）
docker pull 2550863g/cuda10.1-cudnn7-ubuntu18.04-anaconda3-base一般我们在nvidia-cuda官方的难以找到合适的版本，现在版本都太高了，都找不到过去的版本了
目前cuda只有11.0~12.4版本，都已经是cudnn8了
然后使用下方命令来创建并启动你的docker环境
docker run -it --gpus=all --shm-size="32g" -v /home/zjz/workspace -w /workspace --name ubuntu2 -p 8088:99 2550863g/cuda10.1-cudnn7-ubuntu18.04-anaconda3-base /bin/bash参数说明：
-it：表示交互式运行容器；
--gpus=all：使用宿主机的GPU（关键参数！！！）
–shm-size：设置的是共享内存大小，根据需要设置，如果不设置的话，默认64M，训练深度学习模型的时候dataloader会报错提示共享内存不足
-v：是地址映射到容器文件夹（这里zjz是本人名字简称哈，设啥都可以的...(尴尬)）
-w：设置工作目录
--name：设置环境名称
-p:设置端口映射（宿主机端口：容器端口），这里8088是宿主机端口，可以用cmd:netstat -an查看一下别被占用了，docker容器对外端口是99
/bin/bash：虚拟环境的启动目录
之后也可以用下面方法启动进入容器
先在docker的containers中启动
然后输入，也能到达Ubuntu的控制台啦！
docker exec -it ubuntu2 /bin/bash验证：
在这里，环境已经包括了cuda，cudnn，Anaconda三个框架，并且使用宿主机的GPU，可以用以下代码验证:
查看系统中存在GPU（这里显示的是系统可以适配的cuda最高版本）
nvidia-smi
验证cuda编译器版本,可以看到确实是10.1，真棒！
nvcc -V
参考文章：【Docker】基于docker构建深度学习开发环境_docker搭建德语学习-CSDN博客
Windows安装Docker并创建Ubuntu环境及运行神经网络模型_windows docker ubuntu gui-CSDN博客
（3）使用VsCode的SSH连接开发环境
如果嫌SSH连接麻烦的小可爱也可以点击这里：跳转到VSCode的Docker插件连接
还记得之前映射的-p 8088：99是吧？对的，这个8088就是我们VsCode需要访问的端口地址，而99是ubuntu系统端口地址！
完全可以参照这篇文章配置，这里就不赘述了：【vscode 连接远程服务器 中的docker】_vscode 连接docker一直在用scp拷贝远程包-CSDN博客
当然每次docker启动虚拟环境都要重新启动SSH服务
/etc/init.d/ssh restart
* Restarting OpenBSD Secure Shell server sshd宿主机连接的端口一般为
ssh root@localhost -p 8088 #localhost用默认的127.0.0.1替代也可以Tips：
如果嫌每次启动SSH麻烦，可以参考这篇文章设置SSH服务自启动
docker自启动ssh_docker ssh自启动-CSDN博客
如果嫌每次SSH连接登录都要输密码，可以参考这篇文章配置
最后我本人的Remote Explore插件中ssh部分配置如下(可以用IdentityFile参数配置私钥位置)，这样就能实现免密登录啦！
（4）配置.ipynb文件运行环境（plus）
参考本人写的另一篇博客，相信你可以哒！
（5）最终成果
可以在本地电脑上的VSCode连接Docker的Ubuntu虚拟环境并进行mxnet-GPU训练啦！
补充
（1）docker安装问题
如果出现docker engine stop问题，那么有可能
1.检查是否启动Hype-V（一般人其实都有启动的...）
2.看看能否关闭"使用WSL2替代Hype-V功能"
解决docker engine stoped的问题_windows docker engine stopped-CSDN博客
3.有些时候WSL2实在关不了，那么也就只能尝试降版本啦！
（自从我的docker从4.30降低到4.24之后，确实跑通了，官网现在好像还有4.9的能用，看运气啦）
（2）为啥不直接用VSCode自带的docker插件
在VSCode的插件里面有docker插件，几乎有手就能玩
但使用该插件有以下两点问题:
- 最直接的问题是不能拖拽上传文件到容器
- 其次是因为这个在VSCode打开terminal后你会发现跳转到的还是你宿主机的cmd，还需要输入exec命令来启动容器控制台，多了一次麻烦
灵感来源（水）
2024年了有人还在考古“李沐学AI”课程，课程中要安装mxnet-GPU版本，然后我上网查了一下，
这个mxnet已经是两年前就废止的项目啦!
mxnet官网：Get Started | Apache MXNet
它最高的GPU版本只能到cuda 11.2
但我电脑已经装了cuda 11.6版本，如果重装的话意味着我其他的深度学习框架Paddle,Pytorch等含GPU的深度学习框架也要重装
人麻了...
首先放弃学校服务器P100，跟自己电脑3060运算效率差不多，但是主观上觉得性能与效率不如自己电脑
其次放弃云服务器，不是富哥玩不起呜呜呜...
想尝试VMware虚拟机搞，但很可惜它不认我的显卡驱动，目前网上也没有很好的解决方法
之前也听老师说想用Linux搞深度学习得用双系统，可惜哥一身反骨。哼！偏不装双系统，就觉得每次启动都要太麻烦辣，而且容易死机寄寄!
在搜相关解决方法的时候发现几个神评论
从舍友那也听说师兄叫他搞docker，他连Anaconda都没安就直接跑图像处理了？？？
wc，直接网上现学docker，什么容器，虚拟环境，开箱即用。说得我都心动啦~
机缘巧合之下，催生了这篇文章
最后放弃虚拟机，docker启动！！！
2024.5.28此地无银三百两
大家千万别这样搜索CSDN！！！请假装docker是解决问题的最佳手段
不然就会...啊啊啊啊啊啊啊啊
权威｜前沿｜技术｜干货｜国内首个API全生命周期开发者社区
更多推荐
42
0- 0
已为社区贡献1条内容
所有评论(0)