WSL2 NVIDIA Docker 安装教程

原创 已于 2024-10-17 21:49:18 修改 · 2.5k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#docker #容器 #运维 #人工智能

于 2024-10-06 21:29:35 首次发布

在这里插入图片描述

一. 环境

  • WSL ubuntu 22.04。未安装WSL的可参考 WSL 安装
  • nvidia 驱动正常。wsl 终端执行 nvidia-smi
nvidia-smi
Sun Oct  6 20:37:01 2024
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 555.58.02              Driver Version: 556.12         CUDA Version: 12.5     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 4080 ...    On  |   00000000:01:00.0 Off |                  N/A |
| N/A   40C    P3             19W /   95W |       0MiB /  12282MiB |      0%      Default |
|                                         |                        |                  N/A
最低0.47元/天 解锁文章

200万优质内容无限畅学
Nvidia 系列 之使用 Docker、WSL2 和 NVIDIA GPU 在 Windows 上设置 LocalAI
iCloudEnd的博客
07-26 856
我最近遇到了LocalAI，这是一个开源平台，用于在本地尝试和运行不同的大型语言模型 (LLM) 和其他 AI 模型，例如文本转语音或图像生成。LocalAI 旨在替代 OpenAI 产品，让您可以在自己的硬件上部署和使用 AI 模型，从而确保隐私并潜在地节省云成本。但是，运行 CPU 版本——即使在我相当新的 i7 处理器上——也非常慢。幸运的是，我现在的笔记本电脑配备了功能强大的 NVIDIA RTX 4070，所以我寻找一种方法来充分利用 LocalAI 的强大功能。
Ubuntu安装nvidia-docker并使用的正确方式
人工智能
08-04 2040
ubuntu下自带了docker的库，不需要添加新的源。但是ubuntu自带的docker版本太低，需要先卸载旧的再安装新的。docker.io/nvidia/cuda 项目中国可用镜像列表 | 高速可靠的 Docker 镜像资源镜像列表。ubuntu(24.04)以及WSL2安装docker的详细教程_unbantu安装docker-优快云博客。docker.io/nvidia/cuda 项目中国可用镜像列表 | 高速可靠的 Docker 镜像资源。
在win11的Linux子系统WSL2（Ubuntu18.04、20.04测试可用）上安装支持GPU的docker（nvidia-docker）
q943413302的博客
08-16 2351
在win11下实现在LInux子系统内安装支持gpu的docker
WSL2使用Nvidia-Docker实现CUDA版本自由切换
郭松源的博客
03-04 5696
WSL2使用Nvidia-Docker实现不同CUDA版本的自由切换。
从原理上理解Win11环境下WSL2如何配置pytorch环境并调用NVIDIA GPU
最新发布
qq_27372933的专栏
06-20 542
在Windows 11上通过WSL2部署深度学习环境的核心原理在于WSL2通过Windows的NVIDIA驱动间接访问GPU，Docker Desktop作为中介实现硬件穿透和驱动转换。常见误区是忽略Windows主机的Docker Desktop安装，这是GPU支持的必要环节。
DeepSeek部署实战——WSL部署到Docker版
version_chuxuan的博客
02-05 3770
安装到WSL上的情况，我们需要看多个文档，对于系统需要非常多的理解，不过本篇博客仅用于记录操作，下一次版本不知道还能不能用的上。首先要想部署DeepSeek，需要一个Python环境，这个Python环境需要的是GPU版本的pytorch。所以接下来我要讲的是这个部署环境的一些内容，主要是记录本次的学习经验，防止下一次又搜索这么多东西。现在我已经在Windows上安装好了docker这些软件。这比较涉及到底层硬件如何被docker使用的问题。今天13：00——17：00。需要解决的问题主要是。
wsl2安装docker以及nvidia-docker
qq_41596730的博客
03-11 1437
想在wsl2(Ubuntu20.04)环境中使用docker以及nvidia-docker来编译一些程序，这里对安装过程进行记录。
WSL2安装nvidia-docker
qq_28423665的博客
01-06 3393
WSL2 配置nvidia docker 环境
在 WSL2 中使用 NVIDIA Docker 进行全栈开发和深度学习 TensorFlow pytorch GPU 加速
JamesCurtis的博客
08-27 3658
本文介绍了如何在 Windows Subsystem for Linux 2 (WSL2) 环境中使用 NVIDIA Docker 进行全栈开发和深度学习。WSL2 提供了一个强大的 Linux 环境，而 NVIDIA Docker 则允许在该环境中利用 NVIDIA GPU 进行加速的深度学习任务。文章首先介绍了安装和配置 WSL2 及其与 Windows 系统的集成，包括透明的文件系统访问和网络设置。随后，阐述了如何在 WSL2 中安装和配置 NVIDIA Docker，使得容器可以直接访问主机的 GP
在实体机和wsl2中安装docker、使用GPU
热爱生活，忠于自己
02-12 801
正常使用docker和gpu，直接命令行安装dcoker和，nvidia-container-toolkit。区别在于，后者在于安装驱动已经cuda加速时存在系统上的差异。
Windows WSL2 安装Nvidia-Docker GPU 驱动Paddlepaddle
MoJeffrey的博客
01-18 4525
Windows WSL2 安装Nvidia-Docker GPU 驱动Paddlepaddle
win10子系统ubuntu(WSL) 安装Docker的教程(图文详解)
09-29
现在 Docker 有专门的 Win10 专业版系统的安装包，需要开启Hyper-V，具体开启方法文中给大家介绍的很详细，这篇文章主要介绍了win10子系统ubuntu(WSL) 安装Docker,需要的朋友可以参考下
WSL2运行cuda方法，VSCode联合nvida-docker开发方法，Wsl2开机自启服务方法
weixin_42882838的博客
06-26 1434
1.wsl2升级及nvida-docker安装：https://docs.nvidia.com/cuda/wsl-user-``guide/index.html#installing-docker 2.安装后运行docker命令创建容器：https://docs.nvidia.com/cuda/wsl-user-guide/index.html#installing-docker 3.在容器中安装open-ssh，通过VSCode开发https://zhuanlan.zhihu.com/p/80099904
基于WSL2+NVIDIA Docker的开发环境最佳实践
hymnal的博客
09-20 3317
WSL2 Ubuntu系统的NVIDIA驱动版本与Windows系统中的NVIDIA驱动版本一致，升级驱动只需要升级Windows下的驱动即可随之更新。勾选“适用于Linux的Windows子系统”和“虚拟机平台”，点击“确定”按钮。nvidia驱动已经更新至了516.94，CUDA版本更新至11.7。主机浏览器访问“127.0.0.1:8888”，运行正常。点击：设置—>应用—>可选功能—>更多windows功能。搜索pytorch，当前最新版本22.08-py3。可以下载自动更新程序，很方便。
Windows子系统WSL2 （ubuntu安装 docker、nvidia-docker）
红叶谷 wsp_1138886114的博客
12-06 5980
Windows子系统WSL2 （ubuntu安装 docker、nvidia-docker）
WSL 安装 NVIDIA显卡驱动
小白的博客
10-08 2616
最近在研究一些 AIGC 工具,由于 Windows 加入了 WSL 之后的各种特性,本文记录一下如何在 WSL 的 Linux发行版 中安装 NVIDIA 显卡驱动的步骤,本文以 WSL 下的 Ubuntu 22.04 发行版为例;
WSL启动nvidia-docker镜像：报错libnvidia-ml.so.1- file exists- unknown
大家好，我是阿彬，专注于机器视觉中的细节之美与技术之道
03-29 673
【代码】WSL启动nvidia-docker镜像：报错libnvidia-ml.so.1- file exists- unknown。
1.Windows11下安装WSL2子系统、Nvidia驱动、CUDA Toolkit（2024-07）
07-04 3862
本文主要介绍在Windows11上如何安装Ubuntu子系统，以及安装Nvidia驱动和CUDA Toolkit，为运行开源大模型做准备。
Windows WSL子系统Ubuntu22.04安装Nvidia显卡驱动
热门推荐
Linux I Tell U
06-20 2万+
最近在研究AI，如果在Linux系统中部署的话需要重装系统，有些麻烦，又不想折腾。所以闲置很久没研究的WSL又拿起来研究了，当然部署ai还需要显卡驱动的支持，就必须先安装显卡驱动。还没有安装过WSL的童鞋可以看我之前发布的这篇文章。
wsl2安装nvidia-docker
03-08
### 如何在 WSL2 上安装 NVIDIA Docker 为了在 WSL2 中成功配置并运行带有 GPU 支持的容器环境，需遵循特定步骤来设置必要的组件。由于直接在各 Linux 发行版中单独部署 Docker 不被支持，在此情况下应先通过 Windows 平台安装 Docker Desktop[^1]。 #### 安装 Docker Desktop for Windows 和启用 WSL2 集成 确保已启用了 WSL2 功能，并选择了作为默认版本之后，按照官方指南完成 Docker Desktop 的安装过程。随后访问 **Settings -> Resources -> WSL Integration** 来激活对应选项。 #### 更新 WSL2 内核至最新稳定版本 对于希望利用 GPU 加速特性的开发者而言，保持 WSL2 使用最新的内核至关重要。可以通过微软商店更新到最新发布的长期支持(LTS) 版本或者手动下载适用于 WSL2 的预编译二进制文件进行升级。 #### 设置 CUDA 工具链与驱动程序 针对想要让容器能够识别主机上的 Nvidia 显卡的情况，除了上述准备工作外还需要额外操作： - 确认已经安装了合适的 Nvidia 驱动； - 利用 `choco` 或者其他包管理工具获取所需的 CUDA Toolkit 及 cuDNN 库； - 将这些库路径添加到系统的环境变量当中以便后续调用； #### 安装 nvidia-container-toolkit 接下来就是核心部分——nvidia-container-runtime 的引入。这一步骤允许创建出来的容器继承宿主机所提供的图形计算资源。具体命令如下所示: ```bash # 添加 APT 密钥服务器地址 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 执行软件源刷新以及 toolkit 包安装 sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit # 重启 docker 服务使更改生效 sudo systemctl restart docker ``` 此时应该可以顺利启动具备 GPU 能力的支持容器了。测试是否正常工作的一个简单方法是拉取一个预先构建好的镜像并执行其中自带的小型演示应用。 ```bash docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi ``` 如果一切无误，则会看到有关当前系统中可用 GPU 设备的信息列表。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值