このドキュメントは、WindowsでWSL+dockerを使って、GoogleColaboratoryのローカルランタイム環境を用意する手順を列挙したものです。WSL+dockerについては、参考にさせていただいた、「待ってました CUDA on WSL2」とほぼおなじです。もともとはWindows11用に書きましたが、Windows10 21H2でもほぼ同様の手順でできそうです。（Windows10の場合、21H2まで上がっているか確認を忘れずに。）
Windowsでの作業
ドライバインストール
Windowsでcuda on WSL用ドライバをインストール。GeForce用とQuadro用とあるので、自分の環境に併せて選ぶ。
- 再起動
WSL上にUbuntu-20.04をインストール
- 管理権限PowerShell起動
Windowsアイコンを右クリックして「Windowsターミナル（管理者）」から起動
- 以下のコマンドでWSLをインストールする。
wsl --install -d Ubuntu-20.04
windows10ではコマンドプロンプトのメッセージで再起動をしろと言われるので、一度再起動。
- Ubuntu-20.04が自動起動
Ubuntu上でのユーザ名、パスワードを設定
#WSLのUbuntu20.04での作業
dockerのインストール
- 以下のコマンドでインストール
curl https://get.docker.com | sh
NVIDIA Container Toolkitのインストール
以下のシェルスクリプトファイル(nvidia-container-toolkit-installer.sh)を作成（待ってましたCUDA on WSL2より）
#!/bin/sh
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 update
sudo apt install -y nvidia-docker2
sudo usermod -aG docker $USER
補足：Linuxで簡単なテキストファイルを作るには、viコマンドを使う。
以下のコマンドでファイルを生成しつつ開く。
- 上記をコピーしておく。
- [i]キーで入力モードにして、
- マウスを右クリックしてコピーしておいたテキストがペーストされる。
- ペースト後、[Esc]キーで入力モードから抜けてコマンドモードに戻る。
- [:]キーに続いて、wqと入力してエンターキーを押すと、保存してviを抜ける。
vi nvidia-container-toolkit-installer.sh
保存後、スクリプトを実行
sh nvidia-container-toolkit-installer.sh
docker起動
以下のコマンドで起動。一度起動すれば、裏側でずっと動いている。Windowsを再起動したときは、起動しなおす必要がある。
sudo service docker start
dockerが裏で動いているかどうかは、以下のコマンドで確認。
docker ps
動いていないときは、エラーが出るはず。
エラーがunix:///var/run/docker.sockにアクセスできないてきなもののときは、sudo docker psを試してみる。これでちゃんとできる場合、以下のコマンドで、今のユーザからアクセスできるように設定する。その場合、一度、ubuntuプロンプトは閉じて上げなおす。
sudo usermod -a -G docker `whoami`
必要なライブラリが導入済みのdockerコンテナを持ってきて起動
- コンテナpull & run
最新版がどれになるかは、nvidiaのこのサイトで確認。自身の環境に合わせて末尾の方の数字は変更するとよい。
docker run --gpus all --name tmpnvenv -it --rm nvcr.io/nvidia/tensorflow:21.10-tf2-py3
nvcr.ioコンテナでの作業
jupyter http ovber wsインストール
pip install jupyter_http_over_ws
torchインストール
tourchを使うなら。ファイルがでかいのでとっても時間がかかる。
ダウンロード先でバージョンがマッチする一番良いのを探すとよいかも。
pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html
/contentフォルダをリンク
colabでは、/contentが起動環境なので、それに合わせる。
mv /workspace /content
ln -s /content /workspace
jupyterを動かすユーザを追加
useradd -m jupyter -s /bin/bash
実行ユーザになる
su - jupyter
必要なディレクトリ作成
mkdir -p .local/bin
matplotlib,sklearnインストール
pip install matplotlib sklearn
他にも必要なものがあれば入れる。あとで、Colabからも入れられるので、あまり気にしなくてもよいかも。
jupyter http ovber ws有効化
Colaboからローカルランタイムでjupyterにつなぐために必要。
jupyter serverextension enable --py jupyter_http_over_ws
コンテナイメージをcommit
毎回、これらの作業をするのは面倒なので、ここまでの作業を終えたイメージを保存しておく。
別の、WSL端末を開き（Windowsのタスクバーにあるubuntuアイコンを右クリックして一番上のUbuntu...から開く）、そこから以下のコマンドを実行
docker commit tmpnvenv local/nvidia_tf_colab:1.0
一番右はイメージの名前なので、何でもよい。自分でバージョン管理してもよいよね。
コンテナの終了処理
コンテナに入っている端末で、exitコマンドを2回実行。一般ユーザから抜ける分と、コンテナから抜ける分
exit
exit
#WSLのUbuntu20.04での作業
コンテナを起動してjupyterを動かす
docker run --gpus all --rm -v /mnt/c/Users/ユーザ名/どっかのフォルダ:/content -p 8888:8888 -p 6006:6006 -p 4040:4040 -u jupyter -it local/nvidia_tf_colab:1.0 /bin/sh -c "jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --allow-root --port 8888 --NotebookApp.port_retries=0 --ip 0.0.0.0"
なぜか、生成されるURLはおかしいので、tokenをメモしてコピーしておく。
#GoogleColaboratoryからローカルランタイムとして使う
Colabで右上にある「接続」、「再接続」あるいは（すでに接続済みの場合は）「RAM...ディスク...」の右側にある▼をクリックして、「ローカルランタイムに接続」を選ぶ。「ローカル接続の設定」ダイアログのバックエンドURLに、起動したJupyter notebookのURLを入れる。
http://localhost:8888/?token=コピーしたtokenをペースト
「URL 全体をコピー」と出てきますが、この方法だと正しいURLが出力されないので、上記をコピーして、token=のみぎがわだけ、コピペする。