想定環境

WSL2 on Windows11
with NVIDIA GPU

Install

WSL2 (Ubuntu) のインストール

参照: https://docs.microsoft.com/ja-jp/windows/wsl/install

パワーシェル(管理者権限)

wsl --install -d Ubuntu-20.04

イメージ置き場
- C:\Users\iwatake\AppData\Local\Packages\CanonicalGroupLimited.Ubuntu20.04onWindows_79rhkp1fndgsc\LocalState
WindowsからWSLファイルへのアクセス
- \\wsl.localhost\Ubuntu-20.04
WSLからWindowsファイルへのアクセス
- /mnt/c/
WSLのGUIアプリを実行する場合、Windows側にX表示用アプリ (VcXsrvなど) は不要。だけど、Docker上のGUIアプリを実行する場合は必要っぽい

VSCode

Windows上のVSCodeにms-vscode-remote.vscode-remote-extensionpack をインストールしておく
WSL上で、sudo apt install wget ca-certificates しておく

WindowsのVSCodeからWSL上のDockerコンテナ内のファイルにアクセスする

VSCodeをWindowsで開く
Remote Explorer -> WSL Targets -> Ubuntu-20.04(WSL) -> Connect to WSL
Remote Explorer -> Containers -> Target container -> Attach to container

NVIDIA CUDA in WSL のインストール (optional)

NVIDIA Drivers for CUDA on WSLをインストール
- https://developer.nvidia.com/cuda/wsl/download
  - 510.06_gameready_win11_win10-dch_64bit_international.exe
参考
- https://docs.microsoft.com/ja-jp/windows/ai/directml/gpu-cuda-in-wsl

Dockerのインストール

参考
- https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html
- https://qiita.com/ksasaki/items/ee864abd74f95fea1efa#wsl-2-%E4%B8%8A%E3%81%AE-linux-%E3%81%B8%E3%81%AE-nvidia-container-toolkit-%E3%81%AE%E3%82%A4%E3%83%B3%E3%83%88%E3%83%BC%E3%83%AB

WSL

# Docker
curl https://get.docker.com | sh
sudo usermod -aG docker $USER

# NVIDIA Container Toolkit (optional)
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container-experimental.list | sudo tee /etc/apt/sources.list.d/libnvidia-container-experimental.list

sudo apt-get update
sudo apt-get install -y nvidia-docker2
sudo service docker restart
sudo service docker start

Docker よく使うコマンド

管理コマンド

基本

sudo service docker start    # WSLの場合、毎回startが必要
# docker image ls
docker images
# docker container ls -a
docker ps -a
docker rm  MY_CONTAINER_NAME
docker rmi IMAGE_NAME

保存(コンテナからイメージ作成)

docker commit MY_CONTAINER_NAME my_new_image_from_container
docker save my_new_image_from_container -o my_new_image_from_container.tar

イメージの取得

WSL

docker pull ubuntu:20.04

イメージのビルド

Dockerfile

FROM ubuntu:20.04

RUN apt-get update && DEBIAN_FRONTEND=noninteractive apt-get install -y \
  build-essential \
  cmake \
  curl \
  git \
  libopencv-dev \
  nano

WSL

docker build ./ -t cpp_opencv_image
# docker run --rm -it cpp_opencv_image

コンテナの生成と起動

同じコンテナを使いたい場合

WSL

# docker run -itd --name=MY_CONTAINER_NAME ubuntu:20.04
docker create -it --name=MY_CONTAINER_NAME ubuntu:20.04
docker start MY_CONTAINER_NAME
docker exec -it MY_CONTAINER_NAME bash
docker stop MY_CONTAINER_NAME

メモ
- createでの-it 指定はコンテナの標準入出力、ターミナルの設定。docker attach MY_CONTAINER_NAME 用。また、これがないとstartしてもすぐに終了してしまう。
- execでの-it は新規に作成するbashプロセス用の設定

1回だけ動かす(コンテナは毎回削除)

WSL

docker run --rm -it  ubuntu:20.04
docker run --rm ubuntu:20.04 /bin/echo "Hello World"

よく使うオプション

WSL

docker create  -v /mnt/c/iwatake/devel:/root/devel -v /etc/localtime:/etc/localtime:ro -e DISPLAY="192.168.1.2:0"  -w /root/ -p 8888:8888 -it --name=MY_CONTAINER_NAME ubuntu:20.04
docker run --rm -v /mnt/c/iwatake/devel:/root/devel -v /etc/localtime:/etc/localtime:ro -e DISPLAY="192.168.1.2:0"  -w /root/ -p 8888:8888 -it  ubuntu:20.04

Docker 例

GPUを見れるようにだけしたい

WSL

docker run --name=ubuntu_gpu_0 -it --gpus=all ubuntu:20.04
# docker run --name=ubuntu_gpu_0 -it --runtime=nvidia -e NVIDIA_VISIBLE_DEVICES=0 ubuntu:20.04

TensorFlow + Jupyter

WSL

docker run -it --rm -v /mnt/c/iwatake/devel:/home/jovyan/devel -e DISPLAY="192.168.1.2:0" -p 8888:8888 jupyter/tensorflow-notebook

NGC: TensorFlow + Jupyter

WSL

docker run --gpus all -it --rm -v /mnt/c/iwatake/devel:/workspace/devel -e DISPLAY="192.168.1.2:0" -p 8888:8888 nvcr.io/nvidia/tensorflow:21.11-tf2-py3 jupyter-lab

train_mnist.ipynb

# https://www.tensorflow.org/guide/gpu?hl=ja
import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# with tf.device('/CPU:0'):
with tf.device('/GPU:0'):
    model = tf.keras.models.Sequential([
      tf.keras.layers.Flatten(input_shape=(28, 28)),
      tf.keras.layers.Dense(128, activation='relu'),
      tf.keras.layers.Dropout(0.2),
      tf.keras.layers.Dense(10),
      tf.keras.layers.Softmax()
    ])
    loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
    model.compile(optimizer='adam',
                  loss=loss_fn,
                  metrics=['accuracy'])
    model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)

NGC: その他

WSL

docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark  
docker run --gpus all -it --rm -v /mnt/c/iwatake/devel/:/workspace/devel -e DISPLAY="192.168.1.2:0" nvcr.io/nvidia/tensorrt:21.11-py3
docker run --gpus all -it --rm -v /mnt/c/iwatake/devel/:/workspace/devel -e DISPLAY="192.168.1.2:0" nvcr.io/nvidia/cuda:11.4.2-devel-ubuntu20.04

メモ
- TensorRTはONNXモデル変換がうまくいかない (変換中に、 GPU error during getBestTactic: xxx : invalid argument エラーが出てフリーズする)。けど、サンプルのmnixt.onnxは変換可能なので、モデル依存か?

Docker その他

Docker内のワークスペースをVSCodeで開く

Windows上でDocker Desktopを入れていたら、Remote Explorer -> Containersで開けるはず
WSL内にdocker-ceをインストールしている場合、WSL上で、code . を開いてから、Remote Explorer -> Containersで開けるはず
- 開きたいコンテナを選んで、Attach Container。すると新Windowsが開くので、OpenFolder

GUI出力について

WSL2のGUIは何もしないでも出力される (Windows11の場合)
WSL2 + DockerのGUIはX11フォワーディングが必要
- DISPLAY環境変数を自分のIPアドレスに設定する
- Xサーバソフトが必要。vcxsrvか、MobaXterm
描画速度はどれも大差なかった (1280x720のcv::Matをcv::imshow, waitkeyした場合)
- VS2019(Windows11): 2.5 ms
- WSL2: 1.5ms
- WSL2 + Docker: 1.6m
- ※Windows10の時はもっと遅かった気がする

WSL上で、TensorRT環境を整える

CUDAはNGC環境で動いた
だけど、TensorRTはNGC環境だと動かないので、しょうがないのでWSL上で直接構築する
WSL上でもうまく動かなかった。。。

WSL上で、CUDAのインストール

https://docs.nvidia.com/cuda/wsl-user-guide/index.html#ch03a-setting-up-cuda

WSL

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-11-4-local_11.4.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-wsl-ubuntu-11-4-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

sudo ldconfig

下記エラー発生時
- /sbin/ldconfig.real: /usr/lib/wsl/lib/libcuda.so.1 is not a symbolic link
- 参考: https://github.com/microsoft/WSL/issues/5548#issuecomment-912495487
- パワーシェルを管理者として開き、

パワーシェルとWSL

wsl -e /bin/bash
cd /mnt/c/Windows/System32/lxss/lib
ln -s libcuda.so.1.1 libcuda.so.1
ln -s libcuda.so.1.1 libcuda.so

下記を毎回実行するか、~/.bashrc に追加する

WSL

export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

WSL上で、cuDNNのインストール

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-linux
- https://developer.nvidia.com/rdp/cudnn-download
  - ↑のバージョンの場合、 https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.2.4/11.4_20210831/cudnn-11.4-linux-x64-v8.2.4.15.tgz

WSL

tar -xvf cudnn-11.4-linux-x64-v8.2.4.15.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

WSL2上で、TensorRTのインストール

https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html
- https://developer.nvidia.com/nvidia-tensorrt-download
- TensorRT-8.2.1.8.Linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz

WSL

version="8.2.1.8"
arch=$(uname -m)
cuda="cuda-11.4"
cudnn="cudnn8.2"
tar xzvf TensorRT-${version}.Linux.${arch}-gnu.${cuda}.${cudnn}.tar.gz

下記を毎回実行するか、~/.bashrc に追加する

WSL

version="8.2.1.8"
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/TensorRT-${version}/lib
export TensorRT_ROOT=~/TensorRT-${version}

WSL2上で、USB接続のWebCameraを使う (usbipd使用バージョン)

参照

一度だけやればよいこと

usbipdをWindows上でインストール
- https://github.com/dorssel/usbipd-win/releases/download/v1.2.0/usbipd-win_1.2.0.msi
カーネルとカーネルモジュールのビルド

WSL

sudo apt install build-essential flex bison libssl-dev libelf-dev libncurses-dev autoconf libudev-dev libtool
uname -r
# 5.10.16.3-microsoft-standard-WSL2

sudo git clone https://github.com/microsoft/WSL2-Linux-Kernel.git /usr/src/5.10.16.3-microsoft-standard
cd /usr/src/5.10.16.3-microsoft-standard

sudo git checkout linux-msft-wsl-5.10.16.3

sudo cp /proc/config.gz config.gz
sudo gunzip config.gz
sudo mv config .config

sudo make menuconfig

### ↓↓↓ 変更内容
Device Drivers->USB support[*]
Device Drivers->USB support->Support for Host-side USB[M]
Device Drivers->USB support->Enable USB persist by default[*]
Device Drivers->USB support->USB Modem (CDC ACM) support[M]
Device Drivers->USB support->USB Mass Storage support[M]
Device Drivers->USB support->USB/IP support[M]
Device Drivers->USB support->VHCI hcd[M]
Device Drivers->USB support->VHCI hcd->Number of ports per USB/IP virtual host controller(8)
Device Drivers->USB support->Number of USB/IP virtual host controllers(1)
Device Drivers->USB support->USB Serial Converter support[M]
Device Drivers->USB support->USB Serial Converter support->USB FTDI Single Port Serial Driver[M]
Device Drivers->USB support->USB Physical Layer drivers->NOP USB Transceiver Driver[M]
Device Drivers->Network device support->USB Network Adapters[M]
Device Drivers->Network device support->USB Network Adapters->[Deselect everything you don't care about]
Device Drivers->Network device support->USB Network Adapters->Multi-purpose USB Networking Framework[M]
Device Drivers->Network device support->USB Network Adapters->CDC Ethernet support (smart devices such as cable modems)[M]
Device Drivers->Network device support->USB Network Adapters->Multi-purpose USB Networking Framework->Host for RNDIS and ActiveSync devices[M]

Device Drivers > Multimedia support[*]
Device Drivers > Multimedia support > Media drivers > Media USB Adapters[*]
Device Drivers > Multimedia support > Media drivers > Media USB Adapters >  USB Video Class (UVC) [M]
Device Drivers > Multimedia support > Media drivers > Media USB Adapters >  USB Video Class (UVC) > UVC input events device support [*]
### ↑↑↑ 変更内容

sudo make -j 12 && sudo make modules_install -j 12 && sudo make install -j 12
sudo cp /usr/src/5.10.16.3-microsoft-standard/vmlinux /mnt/c/Users/iwatake/.

ビルドしたカーネルを使用するように設定する

C/Users/iwatake/.wslconfig

[WSL2]
kernel=C:\\Users\\iwatake\\vmlinux

一度wsl --shutdown する
WSL上でUSB/IP用のユーザースペースツールのインストール (この手順は不要かも)

WSL

sudo apt install linux-tools-5.4.0-77-generic hwdata
sudo visudo

### ↓↓↓ 変更内容
# Defaults        secure_path="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/snap/bin"
Defaults        secure_path="/usr/lib/linux-tools/5.4.0-77-generic:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/snap/bin"
### ↑↑↑ 変更内容

一度wsl --shutdown する

毎回必要なこと

必要なモジュールをロードする。/dev/video* を使えるようにする

sudo modprobe usbcore
sudo modprobe usb-common
sudo modprobe hid-generic
sudo modprobe hid
sudo modprobe usbnet
sudo modprobe cdc_ether
sudo modprobe rndis_host
sudo modprobe usbserial
sudo modprobe usb-storage
sudo modprobe cdc-acm
sudo modprobe ftdi_sio
sudo modprobe usbip-core
sudo modprobe vhci-hcd

sudo modprobe uvcvideo
# sudo modprobe videobuf2-v4l2
# sudo modprobe videobuf2-memops
# sudo modprobe videobuf2-common
# sudo modprobe videobuf2-vmalloc

sudo chmod 777 /dev/video*

PowerShell(管理者)

usbipd wsl list
#PS C:\Users\iwatake> usbipd wsl list
# BUSID  DEVICE                                                        STATE
# 1-8    USB 入力デバイス, WinUsb デバイス                                       Not attached
# 1-12   USB 入力デバイス                                                    Not attached
# 1-13   USB オーディオ デバイス, USB ビデオ デバイス                                  Not attached
# 2-2    USB 入力デバイス                                                    Not attached

usbipd wsl attach --busid 1-13
usbipd wsl detach --busid 1-13

WSL2 + Docker上で、USB接続のカメラを使う

WSL2上でUSBカメラが使用できる状態で、--device=/dev/video0:/dev/video0 オプションをつけてコンテナを作る
- docker create -v /mnt/c/iwatake/devel:/root/devel -e DISPLAY="192.168.1.2:0" --device=/dev/video0:/dev/video0 -it --name=cpp_opencv cpp_opencv_image

WSL2 + Dockerのメモ

想定環境

Install

WSL2 (Ubuntu) のインストール

VSCode

WindowsのVSCodeからWSL上のDockerコンテナ内のファイルにアクセスする

NVIDIA CUDA in WSL のインストール (optional)

Dockerのインストール

Docker よく使うコマンド

管理コマンド

イメージの取得

イメージのビルド

コンテナの生成と起動

同じコンテナを使いたい場合

1回だけ動かす(コンテナは毎回削除)

よく使うオプション

Docker 例

GPUを見れるようにだけしたい

TensorFlow + Jupyter

NGC: TensorFlow + Jupyter

NGC: その他

Docker その他

Docker内のワークスペースをVSCodeで開く

GUI出力について

WSL上で、TensorRT環境を整える

WSL上で、CUDAのインストール

WSL上で、cuDNNのインストール

WSL2上で、TensorRTのインストール

WSL2上で、USB接続のWebCameraを使う (usbipd使用バージョン)

一度だけやればよいこと

毎回必要なこと

WSL2 + Docker上で、USB接続のカメラを使う