关于 WSL docker cuda，安装深度学习 Python 环境

[zxCoder]

研究生找了个搞数据库的导师，结果还是躲不过这玩意。。现在啥都得结合深度学习。。。

现在有一个项目需要我跑起来，然后我今天搞了一天的环境，问题有点多。

一开始不清楚就直接装了个 python3.9，然后有个 requirements.txt ，安装包的时候出错，查了一下发现里面用到了 tensorflow1，只能用 3.6，然而我已经不知道要怎么把 python3.9 换成 3.6 （试了几种方法。。。反而把环境搞乱了也没成功）

所以我打算用 docker，反正在本地只要跑跑 demo 就行，所以我写了一个 dockerfile，基于 python3.6 的镜像，把 requirements.txt 拷贝进去再安装，但是还是出现了很多错误。。

其中就有一些红色的也不知道错误还是警告

UserWarning: CUDA initialization: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from http://www.nvidia.com/Download/index.aspx (Triggered internally at  /pytorch/c10/cuda/CUDAFunctions.cpp:100.)

这我才想起来好像深度学习得用到一种叫 cuda 的东西，似乎就是这里出的问题。

所以我的问题是，这个 cuda 的环境，我是应该把他装在 docker 容器里吗？还是装在宿主机上，而且我用的是 windows 的 WSL，如果是装在容器里，我应该是找个 linux 镜像，然后再按照系统找到对应的 cuda 版本装上，然后再装上 python 等等。。。。感觉更麻烦了。。。。

所以我还想问针对我配置环境（装个 python3.6 装 cuda 装一些 python 包。。。）这个问题，有没有最简单的方法可以搞定。。。实在是太混乱了

---

发完帖子又想了一下，我应该是基于一个 cuda 的镜像，在上面装个 python3.6，再装 python 包，是这样吗？

然后 cuda 我的理解它应该是跟硬件相关的吧，那这个 cuda 镜像要根据我机器的显卡还是别的啥来选吗？而且我还多了一层 WSL

---

我看我电脑只支持 cuda8.0，那我就只能装 8.0 的 docker 镜像吗？

[ganzi]

今天恰好在琢磨这个，直接用 conda 新建一个环境啊，在环境里下载自己想要的版本，cuda 也可以选择版本这里去找（一般是 8-11 选吧） https://anaconda.org/search?q=cuda，不会影响本机的。

实验室的机子太多人用了，我就用了 Google Colab，但是这个上面也是坑。如果你不用 conda 的话，用 Google Colab 去搭建学习环境还是可以的。我一般就是在上面跑 GNN 。

[renmu123]

我推荐直接装个 Ubuntu 来操作，wsl 还可能遇上各种坑。
Python 版本你可以用 pyenv 来进行管理。

[ipwx]

1. Windows 别想了。本体用 TensorFlow / PyTorch 可能会有各种奇怪的问题，因为你这真的是小众平台很少有搞学术这么做的，碰到问题不好解决。而 WSL/WSL2/虚拟机都是不可能用 CUDA 的，无解。
2. Linux 下用 Docker 启动 CUDA + TensorFlow 是可能的。我在实验室这么干了好几年了，不然我们实验室那么多人用服务器，每个人环境都不同，我得管死。

[Muniesa]

Windows 的 docker 用不了 CUDA，wsl2 的 CUDA 支持我记得还在内测，如果 Linux 环境是必需的那就只能物理机装上 Linux 系统，如果不是，用 conda 装 Python 对应版本和 CUDA 是最简单的。

[BeautifulSoap]

Windows 下 Python 搞 ai 之类的话直接上 conda 呀，管你 Python 环境多乱，都没影响。人生苦短何必折腾自己

以及 wsl2 支持 cuda 的，不过需要预览版，NVIDIA 官方就有文档：
https://docs.nvidia.com/cuda/wsl-user-guide/index.html

不过我觉得比起折腾 wsl2，可能还是 Windows 本地用 conda 跑或直接装个 Ubuntu 会比较靠谱

[BeautifulSoap]

@BeautifulSoap 看了下 NVIDIA 的文档，wsl2 用 cuda 并不复杂，而且 docker 怎么用支持文档也有说，lz 想试试的话可以系统升到 insider 后用 wsl2 玩玩看。wsl2 被你玩坏了的话直接删了对应发行版重装就行，也算清爽

[houshuu]

1. Windows 用 miniconda 建立环境，然后安装相应的 gpu 支持 TensorFlow 包，会自动配置。PyTorch 同理。不需要初始化 Python 版本，在安装包的时候会自动适配可用版本。不建议折腾 wsl2 开 cuda 支持，一个是麻烦，要开发者测试版 Windows，另外那个测试版本的显卡驱动会影响到平常显卡性能。
2. Linux 下 Docker 建议直接用 TensorFlow 的环境或者 NVIDIA 提供的 CUDA 镜像，同时记得 Docker 要加 --gpus all 参数才能进行调用。具体习惯什么小版本可以在 Dockerhub 上自己慢慢筛选。

现在学术界普遍是 Linux 的 Docker 方案。

[longbye0]

既然不会，那就别用 cuda on wsl，老老实实用 ubuntu 。社区用的人多，你能遇到的问题，网上基本都能找到。

[IgniteWhite]

楼主不明白的东西这么多的话，就像楼上说的，不要用 docker，docker 配 cuda 折腾驱动麻烦，你以为 docker 开箱即用，其实对于你的需求更麻烦。整一个流行的 Linux 发行版，按主流教程装好 cuda，然后回归配置 conda 虚拟环境的基本路线，把需要用的包装上，然后开用。如果是为了科研，那你和我需求一样，很建议使用 Jupyter 来写代码。

补充信息：conda 新建环境的官方教程 https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html#creating-an-environment-with-commands，其他和环境有关的操作里面也都有。conda 能制定 python 版本（这里就不介绍 pyenv 了，对于机器学习 conda 合适）。你建立好 venv （虚拟环境）之后随便试错，玩坏了删掉这个 venv，不影响你已经配置好的 cuda 和驱动。

[zxCoder]

@ganzi
@renmu123
@ipwx
@Muniesa
@BeautifulSoap
@houshuu
@longbye0
@IgniteWhite

所以最好的做法应该是装一个 linux 双系统吗……前段时间刚把开发环境都转成 wsl2……

[zxCoder]

@ganzi
@renmu123
@ipwx
@Muniesa
@BeautifulSoap
@houshuu
@longbye0
@IgniteWhite

之前用 linux 主要是微信不太好用。。。

[IgniteWhite]

其实不如让你老板申请个超算啊……提交个 job 去算，分分钟的事

[zxCoder]

@zxCoder 虚拟机可以吗。。

[zxCoder]

@IgniteWhite 。。。。。。你见过 python 的不会装的人直接用超算吗

[christin]

有双币信用卡的话可以搞个免费的谷歌云 现在只能用 3 个月了 但还是 300 刀 够整个 8g 的了

[christin]

@christin 云主机可以让你试错 有问题重装系统也不心疼

[IgniteWhite]

@zxCoder 超算和 python 两码事，学校一般都有课教的呀。而且超算搞不好有配好的环境，比问我们靠谱

[ipwx]

@zxCoder 虚拟机也基本不行，你只能 Ubuntu 。

微信可以考虑 https://deepin-wine.i-m.dev/

[NSAgold]

两个选择 Windows Linux
Windows 现在装 tensorflow 不用再区分 gpu/cpu 版本了，直接装最新版就行。建议用 anaconda 。
Linux 的话 ubuntu，也是推荐用 anaconda 环境。
不过不管哪个，CUDNN 和 cuda 应该都需要另行下载安装

[supercaizehua]

建议还是装一个 Ubuntu，然后在 Ubuntu 上面配置环境，不要用 WSL，wsl 前一阵子刚开始支持 cuda，还有许多 bug，即使你现在弄好了，可以跑起来示例了，之后弄自己的模型还是有一堆问题，亲身经历