Windows10 + docker for desktop + WSL2 实现Windows运行docker进行GPU加速，pycharm远程连接容器内的解释器，本地使用（连接）容器内jupyter_windows版docker是否可以使用gpu加速

安装WSL2

按照教程我们需要更改Windows10的配置“启用或关闭Windows功能”。
可以在控制面板–》程序–》启用或关闭Windows功能

打开以上内容，之后系统会自动下载并安装WSL。
之后还需要设置默认的WSL为WSL2，需要执行如下命令：

wsl --set-default-version 2
1

具体要不要再安装Ubuntu发行版的问题（我一般用Ubuntu），额我这里开始装过，但是又卸载了，卸载后不影响我后面的运行。如果大家后面发现容器内无法使用GPU，则需要安装一下Ubuntu的发行版，可以直接再微软应用商店搜索Ubuntu安装。欢迎在评论区留言回复这个问题。

安装docker for desktop

https://www.docker.com/products/docker-desktop/
下载安装

配置容器

这里以pytorch1.4.0-gpu的镜像为例子，比较小，2G多一点点
下载镜像：

docker pull pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime
1

开启一个容器：

docker run --gpus all -it -v D:\:/root/data1 pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime /bin/bash
1

必须要加上–gpus all 才能使用GPU
-it代表交互启动

-v D::/root/data1代表将D:\盘这个路径挂载到容器内的/root/data1。

pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime；pytorch/pytorch代表镜像名称；1.4-cuda10.1-cudnn7-runtime代表镜像的TAG

使用pycharm连接容器内的解释器（选读，需要时可配置）

容器内配置

启动容器时，我们需要映射出一个端口：-p 23:22

docker run --gpus all -p 23:22 -it -v D:\:/root/data1 pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime /bin/bash
1

之后我们在容器内部进行配置，分别执行如下内容：

apt-get update
apt-get install openssh-server
apt-get install vim
1
2
3

之后我们更改以下ssh的配置：

vim /etc/ssh/sshd_config
1

找到PermitRootLogin prohibit-password这一行，修改为PermitRootLogin yes，允许通过ssh远程访问docker。
如果找不到，直接添加一行新的：PermitRootLogin yes。保存退出
然后我们更改root的密码：

passwd root
1

输入新的密码，假如为123456。
最后我们重启一下ssh服务：

service ssh restart
1

至此，我们就配置好了容器内的内容。
如果以后再启动容器，需要每次启动容器后执行启动ssh的服务：

service ssh start
1

Tips：容器的退出命令为ctrl+p+q(不停止容器退出)、exit命令直接停止容器并退出。
容器启动命令：docker start 容器id
容器停止命令：docker stop 容器id
进入正在运行的容器：docker attach 容器id、docker exec -it 容器id /bin/bash
容器强行停止：docker kill 容器id

pycharm配置

首先新打开一个Windows的命令行窗口，执行ipconfig

找到本地连接的IPV4地址，记录下来
在pycharm的setting界面：



密码输入刚刚我们设置的容器内的root的密码：123456
就可以连接了。
最后再进行python解释器的选择和同步路径的选择即可：

WSL C盘占用存储过大解决

本博客最后可能还会遇到一个C盘内存占用过多的问题，比如C盘直接少30-40G的存储，是因为我们虚拟机和镜像都安装在了C盘，解决方法比较简单，可以参考：https://stackoverflow.com/questions/62441307/how-can-i-change-the-location-of-docker-images-when-using-docker-desktop-on-wsl2

vmmem内存占用过高解决

在docker运行时，需要使用WSL的虚拟机，因此会由vmmem进程为虚拟机开辟内存空间。
同样在运行完所有的内容需要关闭的时候，将容器停止后。
我们可能会发现电脑的内存占用依然很高，这是因为WSL的虚拟机导致的，可以执行如下命令关闭wsl的虚拟机。

wsl --shundown
1

执行上面的命令先将WSL进行关闭，可以查看以下是否所有的WSL虚拟机都处于关闭状态，关闭状态时状态显示STOP，运行显示RUN：

wsl --list --verbose
1

关闭后，再任务栏右击docker选择退出docker，然后我们打开当前用户文件夹：按下Windows + R 键，输入 %UserProfile% 并运行进入用户文件夹
使用记事本创建一个名为.wslconfig的文件，并使用记事本打开，然后输入以下内容，下面的2GB代表最大不超过2GB，你也可以根据电脑需要更改：

[wsl2]
memory=2GB
1
2

当然其实还有很多其他的参数可以改，但是对我来说没有必要，列出一些其他参数：

# Settings apply across all Linux distros running on WSL 2
[wsl2]

# Limits VM memory to use no more than 4 GB, this can be set as whole numbers using GB or MB
memory=8GB 

# Sets the VM to use two virtual processors
# processors=24

# Specify a custom Linux kernel to use with your installed distros. The default kernel used can be found at https://github.com/microsoft/WSL2-Linux-Kernel
# kernel=C:\\temp\\myCustomKernel

# Sets additional kernel parameters, in this case enabling older Linux base images such as Centos 6
# kernelCommandLine = vsyscall=emulate

# Sets amount of swap storage space to 8GB, default is 25% of available RAM
# swap=8GB

# Sets swapfile path location, default is %USERPROFILE%\AppData\Local\Temp\swap.vhdx
# swapfile=C:\\temp\\wsl-swap.vhdx

# Disable page reporting so WSL retains all allocated memory claimed from Windows and releases none back when free
# pageReporting=false

# Turn off default connection to bind WSL 2 localhost to Windows localhost
# localhostforwarding=true

# Disables nested virtualization
# nestedVirtualization=false

# Turns on output console showing contents of dmesg when opening a WSL 2 distro for debugging
# debugConsole=true

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

然后我们重启docker，双击docker for desktop，打开任务管理器，即可查看到vmmem不会超过我们memory的设定值。

连接容器内jupyter

前面我们使用pycharm连接docker内的解释器时已经明确，docker启动时使用-p可以对端口进行映射。
由于jupyter的默认端口就是8888，所以我们只需要在容器内部启动jupyter，并把jupyter的8888端口映射出来即可在本地使用容器内的jupyter。
按照前面的pycharm的例子，改写命令如下：

docker run --gpus all -p 23:22 -p 7777:8888 -it -v D:\:/root/data1 pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime /bin/bash
1

到容器内后我们需要安装jupyter notebook:

pip install jupyter notebook
1

或者使用conda安装：

conda init					不一定都需要执行这个命令，根据环境需要，这个命令执行完毕后需要重启一下shell，或者重启一下docker
conda activate base      	这里的base其实是环境名称
conda install jupyter notebook	
1
2
3

如果在安装过程中提示某些软件包需要升级，则需按照要求升级对应的软件包。

在容器内输入python，并写入以下代码：

from notebook.auth import passwd
passwd()
1
2

然后输入一个密码用来登录jupyter notebook。
密码输入完毕后，会输出一个由单引号引出的密钥，我们需要复制下来保存到一个位置以方便后面使用。
最后我们输入exit()退出python解释器，如果自动退出了就不需要了。

下面生成jupyter notebook的配置文件：

jupyter notebook --generate-config
1

然后安装vim：

apt-get update
apt-get install vim
1
2

使用vim工具将我们刚刚生成的jupyter notebook配置文件内加入以下内容，保存并退出：

c.NotebookApp.ip='*'
c.NotebookApp.password = u'这里输入保存的密钥'
c.NotebookApp.open_browser = False
c.NotebookApp.port =8888
1
2
3
4

打开jupyter notebook：

jupyter notebook --allow-root                                         
1

最后我们在电脑本机的浏览器访问本地的localhost:7777即可进入jupyter notebook：

localhost:7777
1