wsl + cuda + nvdocker

wsl2 + cuda + nvgpu

基本环境

1. wsl安装：https://docs.nvidia.com/cuda/wsl-user-guide/index.html#installing-wsl2
2. wsl手册https://docs.microsoft.com/zh-cn/windows/wsl/reference
3. （桌面显卡驱动）需要先安装支持wsl的显卡 https://developer.nvidia.com/cuda/wsl 

进入ubuntu以后

查看内核版本

cat /etc/lsb-release

1. 阿里源 https://www.cnblogs.com/07yml/p/11701139.html
2. 工具 https://tecadmin.net/install-development-tools-on-ubuntu/
3. （alternative）systemctl https://blog.csdn.net/w851685279/article/details/108825893
4. cuda 
   1. repo更新（较慢） https://blog.csdn.net/gzroy/article/details/111190131 -> repo版本最好改为wsl-ubuntu
   2. runfile安装 https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=WSLUbuntu&target_version=20&target_type=runfilelocal 选择wsl2

   3. 查看显卡（wsl2的cudatool包不带ns工具，可以根据系统提示安装）

      nvidia-smi

5. （可选）anaconda https://blog.csdn.net/a475952074/article/details/79521567
6. （可选）pytorch https://pytorch.org/get-started/locally/ 使用docker则无需配置本地python

docker

安装 https://www.cnblogs.com/jimchen1218/p/14186262.html 

（此处猜测安装desktop的docker以后wsl内可以不用再安装）

运行 https://docs.nvidia.com/cuda/wsl-user-guide/index.html#running-containers

1算力检测

$ docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark

2矩阵模板

$ docker run --gpus all --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 -v "${PWD}:/mnt/c" nvcr.io/nvidia/tensorflow:20.03-tf2-py3 python /mnt/c/matmul.py gpu 20000

其中1可以显示当前桌面环境中的显卡，2可以看到调用gpu和cpu有明显时间区别

问题

在wsl内运行python文件可能无法正确识别显卡，同时nvcr.io/nvidia/tensorflow:20.03-tf2-py3也无法正确调用显卡

wsl2内的systemd有冲突，导致systemctl与docker可能无法正常使用

wsl-user-guide末注明了现阶段cuda on wsl2的部分已知问题