CUDA on WSLの公開と，前回紹介したNeural Source Filterの実装がLinux環境でしか動作しないことを受けて，本格的に環境構築を行うことにした．ところが，
docker: Error response from daemon: OCI runtime create failed: container_linux.go:348: starting container process caused "process_linux.go:402: container init caused \"process_linux.go:385: running prestart hook 1 caused \\\"error running hook: exit status 1, stdout: , stderr: exec command: [/usr/bin/nvidia-container-cli --load-kmods configure --ldconfig=@/sbin/ldconfig.real --device=all --compute --utility --require=cuda>=9.0 --pid=8276 /var/lib/docker/overlay2/b956d7f169cca157457e107ee8c99a050c33199ded8f4fa4d68e3ace612c6d0c/merged]\\\\nnvidia-container-cli: initialization error: driver error: failed to process request\\\\n\\\"\"": unknown.
と言った感じでWSL側からGPUの認識ができず苦労した．なので，その解決法をメモしておく．
#CUDA on WSLとは
Windows Subsystem for Linux（WSL）でCUDAを利用したPGU計算ができる仕組み．今まではWSL上にCUDAをインストールして行っていたそうだが，CUDA on WSLを使えばWindows側にGPUドライバーをインストールすればOK．Gigazineの記事がわかりやすかったので詳しく知りたい方はこちらを参照
#環境構築
##はじめに
もしCUDA on WSLの導入のみを考えている方は，必ず公式の手順のみに従って欲しい．以下に記すのは，導入につまずいた状況の整理であるため，上記のエラーが発生している人は，以下を見て同じような構築を行ってないかチェックして欲しい．
##WSL上にAnaconda導入
まず，WSL上でPythonを動かせるようにして，ついでにPyCharmから実行したいなと思いそちらの構築から開始した．以下が参考にしたサイトである．
- WSL ＋ Ubuntu ＋ Anaconda ＋ VScodeでPythonの環境構築
- SSHを使用してWSLベースのリモートインタープリターを作成する
- pycharmとwsl(Windows Subsystem for Linux)の連携方法
また，WSLのUbuntuにはgcc等がインストールされていないため，そちらのインストールも行った．
##Docker Desktopの導入
あと，CUDA on WSLでDockerが必要というのを見たことと，Windows10 homeでも利用可能になったので嬉しくなり，Docker Desktop for Windowsをインストール．これが元凶
##CUDA on WSLの導入
CUDA on WSL構築にあたって参考にしたサイト
#解決方法
公式で，WSL上のUbuntuにdockerをインストールする項目がある．
$ curl https://get.docker.com | sh
このUbuntu上のDockerと，Docker Desktop for Windowsが別に動作していることに気づき，もしかすると2つのDockerが競合しているのでは？と考えた，そこで，Docker Desktop for Windowsが自動的に起動しないように設定，念の為NVIDIA Container Toolkitのアンインストールを行ってから再起動をして，再びDocumentation通りにインストール，CUDAサンプルの実行を行うと
Run "nbody -benchmark [-numbodies=<numBodies>]" to measure performance.
-fullscreen (run n-body simulation in fullscreen mode)
-fp64 (use double precision floating point values for simulation)
-hostmem (stores simulation data in host memory)
-benchmark (run benchmark to measure performance)
-numbodies=<N> (number of bodies (>= 1) to run in simulation)
-device=<d> (where d=0,1,2.... for the CUDA device to use)
-numdevices=<i> (where i=(number of CUDA devices > 0) to use for simulation)
compare (compares simulation results running once on the default GPU and once on the CPU)
-cpu (run n-body simulation on the CPU)
-tipsy=<file.bin> (load a tipsy model file for simulation)
NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
> Windowed mode
> Simulation data stored in video memory
> Single precision floating point simulation
> 1 Devices used for simulation
MapSMtoCores for SM 7.5 is undefined. Default to use 64 Cores/SM
GPU Device 0: "GeForce RTX 2080 Ti" with compute capability 7.5
Compute 7.5 CUDA device: [GeForce RTX 2080 Ti]
69632 bodies, total time for 10 iterations: 119.463 ms
= 405.868 billion interactions per second
= 8117.351 single-precision GFLOP/s at 20 flops per interaction
動いた！！！
そういえば，待ってました CUDA on WSL2にも
この時、
WSL DETECTED: We recommend using Docker Desktop for Windows.
なんて言われますが、無視。
って書かれてたのを考えると，Docker Desktop for Windowsが動いてるとエラー吐くのは当然だなと納得した．
##ちなみに
試しに，CUDAサンプル実行後に，Docker Desktop for Windowsを起動して同じサンプルを実行するとエラーが出る．また，Docker Desktopを終了してもエラーが出てしまい，Windowsを再起動しないとサンプルが動かせなくなった．なので，CUDA on WSLを使用する方は，Docker Desktopのアンインストールをしてしまっても良いのかもしれない（保証はしない）
##Pytorchで計算をした感想
そもそもPytorchがCUDA11に非対応なのだが，面白そうなので動かしてみたところ，GPUでの計算は可能だった．しかし，どこが原因か不明であるが，1iterの計算がけっこう重く実用的ではない．試しにWindows環境で同じプログラムを実行したところCUDA10.1のときと同じ速度で計算が行えるため，Python環境で直接実行するにはまだまだ改善の余地があるのでは，と思った．そもそもDockerの仕組みすら曖昧なペーペーであり，自分の知識不足である可能性が高いので，もっと勉強したい所存．
#まとめ
- まだWSLの構築もしていない人は，CUDA on WSLのDocumentation通りに環境構築すべし
- Docker Desktop for Windowsをインストールしている場合は，自動的に起動しないよう設定またはアンインストール