- 前言
- 一、我的平台
- 二、配置
- 1. wsl
- 2. GPU
- 3. Docker
开启深度学习之旅，首先要确定 炼丹炉 放到什么地方，据了解，常规的平台组合有：
- win + anaconda
- win + wsl
- ubuntu + anaconda
- ubuntu + docker
上述是用的比较多的组合方式，当然，对于 GPU/CPU 以及 tensorflow/pytorch 是根据需求来的。
一、我的平台我的电脑是 9300H+GTX1650 的组合，GPU 虽然有点 low，但聊胜于无，勉强凑合着用吧，毕竟是自己花的钱，太牛的搞不来。
经过今天一天的折腾，我决定选择：
win + wsl + docker的方式，主要考虑的因素有以下几点：
- 只有一台笔记本，无论是装双系统还是装Linux ，都会或多或少的影响后续其他工作的使用，也懒得折腾了，担心一不小心就变成砖；
- wsl 不够稳定，会出现莫名其妙的错误，比如， pip3 没反应，折腾了一周找不到原因，直接放弃
- anaconda 创建环境和启动太慢
- docker 的应用越来越广，尤其是到部署的时候，所以，有必要学习下使用 ，而且可以建立多个 images，比 wsl 要实惠很多。
综上所述，决定采用 win + wsl + docker 的组合方式。
wsl的安装与卸载网上的教程很多，在这里记录下个人常用的功能：
wsl 的操作是在 PowerShell 中进行的，打开方式就是快捷键 win + R，然后打开 cmd 即可
查看WSL
wsl --list
输出为：
PS C:UsersASUS> wsl --list 适用于 Linux 的 Windows 子系统分发版: Ubuntu-20.04 (默认) Ubuntu-18.04
注销
wsl --unregister Ubuntu-18.042. GPU
这是大事，你的电脑能不能用 GPU 就看这一步的，wsl 安装 cuda 主要有两个步骤：
步骤一
本机安装，从官网下载 wsl 专用的 nvidia 驱动软件
步骤二
wsl中安装 cuda-toolkit
主要过程为：
sudo apt-key adv --fetch-keys http://mirrors.aliyun.com/nvidia-cuda/ubuntu2004/x86_64/7fa2af80.pub sudo sh -c 'echo "deb http://mirrors.aliyun.com/nvidia-cuda/ubuntu2004/x86_64 /" > /etc/apt/sources.list.d/cuda.list' sudo apt-get update sudo apt-get install -y cuda-toolkit-11-3
安装完成后，需要配置下环境变量 .bashrc，再尾部追加：
export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64
为确定是否完成安装，可通过 nvcc -V 查看，若安装正常，会有以下反馈：
z@LAPTO:~$ nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Mon_May__3_19:15:13_PDT_2021 Cuda compilation tools, release 11.3, V11.3.109 Build cuda_11.3.r11.3/compiler.29920130_0
或者编译一个 samples 校验：
cd /usr/local/cuda/samples/4_Finance/BlackScholes sudo make ./BlackScholes3. Docker
相关资源设置：
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/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list
nvidia-docker2安装
sudo apt-get update sudo apt-get install -y nvidia-docker2
安装完记得重启下：
sudo service docker stop sudo service docker start
装完后的测试：
sudo docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
若安装成功，则会出现：
