【docker的gpu加速相关问题解决记录】

我把Windows WSL 2+Docker GPU加速的操作拆成3步详细步骤，跟着做就行：

步骤1：配置WSL 2+带GPU的Linux发行版

打开Windows「设置」→「应用」→「可选功能」→「更多Windows功能」，勾选「适用于Linux的Windows子系统」「虚拟机平台」，重启电脑；
打开微软应用商店，搜索"Ubuntu"（选20.04/22.04版本）并安装；
打开终端，执行wsl --set-default-version 2，再执行wsl --set-version Ubuntu 2（把Ubuntu设为WSL 2后端）。

步骤2：安装支持WSL 2的NVIDIA驱动

打开NVIDIA官网，下载「适用于WSL的NVIDIA Windows驱动程序」（不是普通驱动）：
（官网地址：https://www.nvidia.com/zh-cn/geforce/drivers/wsl）
直接安装驱动（全程默认下一步），安装完成后重启电脑。

步骤3：配置Docker Engine开启GPU支持

打开Docker Desktop，点击右上角「设置」→「Docker Engine」；
在配置文件中添加"gpu": true（注意JSON格式，逗号分隔），示例：

yaml 复制代码

{
  "experimental": true,
  "features": {
    "buildkit": true,
    "gpu": true  # 新增这一行
  },
  "registry-mirrors": ["https://registry.docker-cn.com"]
}

点击「应用并重启」，等待Docker重启完成。

验证是否成功

打开WSL的Ubuntu终端，执行docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi，如果能显示GPU信息，说明配置成功。

要不要我帮你整理一份验证GPU加速是否生效的常用命令清单？

如果NVIDIA官网"适用于WSL的驱动"页面打不开，可以换这2种方式获取驱动：

方式1：通过NVIDIA GeForce Experience安装

安装/打开「GeForce Experience」（官网：https://www.nvidia.com/zh-cn/geforce/geforce-experience/）；
点击「驱动程序」→「检查更新」，它会自动检测并推荐支持WSL 2的最新驱动（不需要手动选"WSL专用"，新版驱动默认包含WSL支持）。

方式2：直接用系统自带的驱动更新

右键点击Windows开始菜单→「设备管理器」；
展开「显示适配器」，右键点击你的NVIDIA显卡→「更新驱动程序」；
选择「自动搜索驱动程序」，系统会下载并安装兼容的最新驱动（需确保系统是Win11 22H2及以上/Win10 21H2及以上，这些版本的驱动默认支持WSL 2）。

验证驱动是否支持WSL：安装后打开WSL终端，执行nvidia-smi（不需要装任何包），如果能显示GPU信息，说明驱动已透传成功。

要不要我帮你确认你的Windows版本是否支持WSL 2 GPU加速？

对于自己电脑环境是cuda12.9，可以在docker安装这个版本的pytorch:

bash 复制代码

# 基础镜像：CUDA 12.9 + Python 3.9（适配CUDA 12.9）
FROM nvidia/cuda:12.9.0-cudnn-devel-ubuntu22.04

# 核心环境变量：仅保留必要配置，放弃源替换避免冲突
ENV DEBIAN_FRONTEND=noninteractive
ENV PYTHONUNBUFFERED=1
ENV PATH="/root/.local/bin:${PATH}"
# pip 国内源（仅保留pip加速，apt用官方源）
ENV PIP_INDEX_URL=https://mirrors.aliyun.com/pypi/simple/
ENV PIP_TRUSTED_HOST=mirrors.aliyun.com
ENV PIP_EXTRA_INDEX_URL=https://download.pytorch.org/whl/cu121

# 不替换apt源，仅清理缓存+更新（用官方源，牺牲速度换稳定性）
RUN apt-get clean && apt-get update -y

# 1. 添加deadsnakes源（用于安装Python 3.9）
RUN apt-get clean && apt-get update -y && \
    apt-get install -y --no-install-recommends \
    software-properties-common \
    apt-transport-https \
    ca-certificates \
    && add-apt-repository -y ppa:deadsnakes/ppa && \
    apt-get update -y

# 2. 安装Python 3.9全套依赖（从deadsnakes源）
RUN apt-get install -y --no-install-recommends \
    git \
    wget \
    python3.9 \
    python3.9-dev \
    python3.9-distutils \
    python3.9-venv \
    libglib2.0-0 \
    libsm6 \
    libxext6 \
    libxrender-dev \
    && rm -rf /var/lib/apt/lists/*

# 设置Python 3.9为默认
RUN ln -sf /usr/bin/python3.9 /usr/bin/python && \
    ln -sf /usr/bin/python3.9 /usr/bin/python3

# 安装pip（用国内源）
RUN wget https://bootstrap.pypa.io/get-pip.py && \
    python get-pip.py --no-cache-dir && \
    rm get-pip.py && \
    pip install --upgrade pip

# 设置工作目录
WORKDIR /app

# 复制依赖文件并安装
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt && \
    pip install --no-cache-dir torch==2.3.1 torchvision==0.18.1

# 复制项目代码
COPY . /app

EXPOSE 8888
CMD ["bash"]

bash 复制代码

wsl --list --verbose

# 格式：wsl --set-default <发行版名称>
wsl --set-default Debian  # 示例：将默认改为 Debian
# 或
wsl --set-default Ubuntu-22.04  # 若想默认进入 Ubuntu-22.04

wsl --configure --disable-proxy-mirroring

# 1. 停止旧容器（替换为你的容器ID/名称）
docker stop [容器ID/名称]

# 2. 删除旧容器（可选，避免冲突）
docker rm [容器ID/名称]

# 3. 重新启动容器（带 GPU 映射 + 扩容 shm）
docker run --gpus all --shm-size=8g -v D:/code/python/异常检测/FastFlow:/app -it fastflow:cu129

pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124


# 列出所有容器（包括运行中/已停止）
docker ps -a
# 格式：docker exec -it <容器ID/名称> /bin/bash
# 示例1：用容器ID进入
docker exec -it 1234567890ab /bin/bash

# 示例2：用容器名称进入（更易记）
docker exec -it fastflow_container /bin/bash

进入运行中容器：docker exec -it <容器ID/名称> /bin/bash（核心命令）；
进入已停止容器：先 docker start 再 docker exec；
新建并进入容器：docker run -it <镜像名> /bin/bash；
核心是先通过 docker ps -a 找到容器 ID / 名称，再按需选择命令。

python main.py -cfg configs/resnet18.yaml --data /app/mvtec -cat bottle

参考链接：

1、Docker Desktop 设置显卡与调用显卡全攻略
https://cloud.baidu.com/article/3732885