Win10+wsl2+mmdetection3d(GPU)

实现过程

1. 安装WSL2
   踩坑点：

• 基于发行版安装，无法更新wsl1，查证了当前的wi10的驱动是满足要求的，但是无法更新。所以一定要先去更新驱动！
• 刚开始没有装到C盘，选择装到别的盘，cuda总是因为各种文件问题还找不到路径之类的错误，无奈卸载了发行版，去Microsoft store下载，然后export到其他盘。

2. 基于docker部署mmdetection3d

• 选择基于docker安装也是因为mmdetection本身有很多现有的景象支持，让这个本来就不稳定的环境少一些发生错误的可能。大概重装了两次wsl都是因为cuda和pytorch安装问题，用docker安装可以少很多这样的弯路。
• 也有docker下载一个现成的也不一定能在这里用，但是没有关系，不纠结直接换另一个可行的就可以。

我会尽量把这其中遇到的困难都记录下来。

安装wsl2

总体来说，需要1 安装win10最新的驱动；2 确保各项虚拟化相关的设置都是正确的；3 为了方便和减少出错的可能，需要按照教程把wsl、ubuntu20.04按照应用商店的应用安装。
参考教程：
https://zhuanlan.zhihu.com/p/621142457

1. 这个教程里面会有systemctl不能用的报错：
   System has not been booted with systemd as init system (PID 1). Can’t operate. Failed to connect to bus: Host is down
   参考：
   https://www.zhihu.com/question/535145130

2. 迁移系统可详细看：https://zhuanlan.zhihu.com/p/643184142

3. 报错 Error code: Wsl/Service/WSL_E_DISTRO_NOT_FOUND
   我选择重新安装wsl，然后解决问题

安装docker

报错： WSL2+Ubuntu 20.4+Docker: merged/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1: file exists: unknown. 无法使用GPU，重新下一个，我下载的可用的是这个：

安装地址：https://hub.docker.com/r/artzha/mmdetection3d

另外docker下载镜像需要国内镜像源加速，配置方法：https://blog.csdn.net/elong490/article/details/114627211

---

补充:下载其他镜像的时候发现同样有这个问题,我的问题是镜像只能建立不带GPU的容器,没办法建立带GPU的容器,如果不带GPU的容器也没办法建立的话,看下图的方法,但是我没试过. 针对性的解决办法:
具体的报错信息:

docker: Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: error during container init: error running hook #0: error running hook: exit status 1, stdout: , stderr: Auto-detected mode as 'legacy'   
nvidia-container-cli: mount error: file creation failed: 
/var/lib/docker/overlay2/992e2cfa26431a881e3831e93c6659708625b05d1d9c5df663eb2951e62a8c90/merged/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1: file exists: unknown.
错误摘要：
Docker守护进程无法为容器创建任务。
OCI运行时报告无法启动容器进程。
nvidia-container-cli 在尝试挂载文件（libnvidia-ml.so.1）时遇到错误，因为容器的文件系统中已经存在该文件。

在尝试为容器创建任务时，Docker容器初始化过程中出现了问题。具体来说，nvidia-container-cli 报告了一个挂载错误，因为它无法在指定路径创建文件。这通常是由于容器镜像中的NVIDIA库存在冲突所致。
解决方案：

1. 使用nvidia-docker 启动原始镜像的非GPU容器。或者使用docker而不是nvidia-docker, 这应该不会产生错误。
2. 在容器内部，手动删除或重命名冲突的文件，即 /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1 和 /usr/lib/x86_64-linux-gnu/libcuda.so.1。
   提交更改以从容器创建新镜像。
3. 使用新创建的镜像使用 nvidia-docker 启动新容器。

# 第1步：
sudo docker run -it [镜像名称] /bin/bash
# (使用 Docker（而不是 nvidia-docker）启动容器)
sudo docker run --rm -it [镜像名称] /bin/bash

# 第2步：在容器内部删除或重命名冲突的文件
mv /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1 /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1.bak
mv /usr/lib/x86_64-linux-gnu/libcuda.so.1 /usr/lib/x86_64-linux-gnu/libcuda.so.1.bak

# 退出容器
exit

# 第3步：提交容器以创建新镜像
sudo docker commit [容器ID] 新镜像名称:标签

# 第4步：使用新镜像使用 nvidia-docker 启动新容器
sudo docker run -it --runtime=nvidia --gpus all 新镜像名称:标签 /bin/bash

与VSCode插件连接

VScode插件可下载：

其他问题

1. your gpu arch (8 9) isn’t compiled in prebuilt
   我用的是RTX4090,一开始下载spconv的2.1.21, 看openmmdetion3D推荐自己安装的spconv-cu113, 但是仔细查看了spconv的版本更新,发现在2.2.4有关于这个prebuild的改进,于是升级为spconv-cu113的2.2.4版本,没有这个警告了.