一、背景及动机

前面一篇写了《大数据及机器学习带 GPU 必须干的第一件事》，心想如果不让容器也来第一件事，怪痒痒的难受。如果你的电脑像下面一样不支持，那就要来好好看看了：

$ docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smidocker: Error response from daemon: unknown or invalid runtime name: nvidia.See 'docker run --help'.

关键环境就在于 --runtime=nvidia 了，如果不解决掉这个问题，一切都是扯淡！

二、处理全过程

2.1、安装 WSL 2

此步必须运行 Windows 10 版本 2004 及更高版本（内部版本 19041 及更高版本）或 Windows 11 才能使用以下命令。

之前有重装过很多次，有那么几次 wsl 命令自动带了，要看操作系统了，下面检查一下：

$ wsl -l -v

如果支持上面的命令正常打印出信息，就不用考虑安装，如果不正常，就请如下：

$ wsl --install

安装完成后，它默认就是 WSL 2，可能有朋友们想要第 1 版，本文在这里不讲述了，主要是 WSL 2 用了很久了，没啥太大问题。

紧接着就安装 Ubuntu 20.04，如果有想用最新的，可以考虑 Ubuntu 22.04。

$ wsl --install -d Ubuntu-20.04

安装完成后，会出现输入账号和密码，因为 root 不让用，但不影响我们使用，设置就对了。

2.2、安装 Docker Desktop

此步太简单，傻瓜式安装，点击如下链接可前往下载，参考图紧随其它，如下所示：Install Docker Desktop on Windows

https://docs.docker.com/desktop/install/windows-install/

装完后，默认路径在：C:\Program Files\Docker\

一般情况下，安装包没有跟上最新版本，同样也操作很多次了，直接最新，反正以后不想更新了。

2.3、开启 Docker 的 GPU

2.3.1、正式开始

首先就像是文章开头的那样的，先试一下报错：

$ docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smidocker: Error response from daemon: unknown or invalid runtime name: nvidia.See 'docker run --help'.

接着由于前面的工作到位，请使用 WSL 命令行窗口把 Ubuntu-20.04 打开：

2.3.2、安装 nvidia 容器工具包

在该 Linux 环境下使用 Apt 方式去安装，输入以下命令：

$ curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \ sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list$ sudo apt-get update

这个时候，会发现第 3 条命令会出现错误：

$ sudo apt-get install -y nvidia-container-toolkit/sbin/ldconfig.real: /usr/lib/wsl/lib/libcuda.so.1 is not a symbolic link

 没有关系，重启电脑吧，或者你可以用骚动作，比如重启 Docker Desktop，一般可以，但不保证。再次执行，正常了！

$ sudo apt-get install -y nvidia-container-toolkit

2.3.3、配置 Docker Daemon

执行以下命令：

$ sudo nvidia-ctk runtime configure --runtime=docker

老实说，这没多大作用，重启也没有用，更好的办法是打开 Docker Desktop 如下操作之后，再重启：

2.3.4、完美解决

三、扩展知识

3.1、Linux 包管理工具 Apt、Yum、Dnf 和 Zypper 有什么不同？

本文安装的时候使用了 Apt，后面三种也是可以的，如有需要，可去官方找资料。

3.1.1、所属发行版

Apt (Advanced Package Tool):主要用于 Debian 及其衍生发行版,如 Ubuntu、Linux Mint 等。Yum (Yellowdog Updater, Modified):主要用于 Red Hat 系列发行版,如 CentOS、Fedora (早期版本)等。Dnf (Dandified Yum):是 Yum 的升级版,主要用于较新的 Fedora 和 Red Hat Enterprise Linux 8 及以上版本。Zypper:主要用于 SUSE 和 openSUSE 发行版。

3.1.2、命令语法

Apt 使用 apt-get、apt-cache 等命令进行包管理操作。Yum 和 Dnf 使用 yum 和 dnf 命令进行包管理操作,语法基本相同。Zypper 使用 zypper 命令进行包管理操作。

3.1.3、性能和速度

Dnf 相比 Yum 有更好的性能和速度,支持并发下载和安装包。Apt 和 Zypper 的性能和速度也较为优秀。

3.1.4、依赖解析

Apt、Yum、Dnf 和 Zypper 都能够自动解析和处理包的依赖关系。Dnf 在依赖解析方面有所改进,提供了更好的依赖解决方案。

3.1.5、软件仓库

不同的包管理工具使用不同的软件仓库配置文件和格式。

Apt 使用 /etc/apt/sources.list 和 /etc/apt/sources.list.d 目录下的文件。Yum 和 Dnf 使用 /etc/yum.repos.d 目录下的 .repo 文件。Zypper 使用 /etc/zypp/repos.d 目录下的 .repo 文件。

尽管这些包管理工具在语法和使用方面有所不同,但它们的基本功能和目的都是相似的,即方便地管理软件包的安装、升级和卸载等操作。选择哪个包管理工具主要取决于你使用的 Linux 发行版。

3.2、解释一下 nvidia 容器工具包

NVIDIA Container Toolkit 使用户能够构建和运行 GPU 加速的容器。该工具包括一个容器运行时库和一些实用工具,可以自动配置容器以利用 NVIDIA GPU。

那么使用 NVIDIA Container Toolkit 时有哪些优势:

简化了在容器中使用 NVIDIA GPU 的过程。用户不需要手动安装 NVIDIA 驱动程序或修改容器镜像。提供了一致的方式来配置和部署 GPU 加速的容器,提高了可移植性和可重复性。与主流的容器运行时和编排工具(如 Docker、Kubernetes)兼容,便于集成到现有的容器化工作流中。

3.3、命令行中 docker --runtime 做什么用？

是 Docker 命令行中的一个选项,用于指定容器运行时期。容器运行时是负责创建和管理容器的底层软件。默认情况下,Docker 使用 runc 作为容器运行时。但是，通过 --runtime 选项,你可以指定使用其他的容器运行时,如 nvidia-container-runtime。

当你使用  --runtime=nvidia  选项运行容器时期，Docker 将使用 NVIDIA Container Toolkit 提供的 nvidia-container-runtime 作为容器运行时期。这个特殊的运行时会自动配置容器，使其能够访问宿主机上的 NVIDIA GPU。

3.4、为什么我用了 Ubuntu？

因为微软的 WSL 相关文章有提及到：安装驱动程序后，请确保启用 WSL 并且还要安装基于 glibc 的发行版本（例如 Ubuntu 或 Debian）。

另外一个原因是 Ubuntu 使用的概率还是蛮高的，算是混个脸熟。

四、参考资料

NVidia 官方文档站点Docker Desktop 官方站点如何使用 WSL 在 Windows 上安装 Linux