如何在Windows电脑上运行RAPIDS？配置后无法启动求助

你已经完成了基础环境搭建，确实nvidia-container-toolkit是Docker让容器访问GPU的核心组件，缺少它的话RAPIDS没法调用你的NVIDIA显卡。下面是针对Windows WSL2环境的完整修复流程——因为RAPIDS目前只能通过WSL2在Windows上运行（直接Windows容器不支持GPU加速）：

前提确认 #

先确保你的Docker Desktop已经切换到WSL2后端：

• 打开Docker Desktop，进入Settings > Resources > WSL Integration
• 勾选你正在使用的WSL2发行版（比如Ubuntu），点击"Apply & Restart"

安装nvidia-container-toolkit（在WSL2的Linux环境中操作） #

1. 更新系统包列表：

   sudo apt-get update
   

2. 添加NVIDIA官方软件源的GPG密钥：

   curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
   

3. 添加nvidia-container-toolkit的软件源：

   curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
   

4. 安装toolkit并配置Docker：

   sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
   sudo nvidia-ctk runtime configure --runtime=docker
   sudo systemctl restart docker
   

验证GPU配置是否成功 #

运行以下命令，如果能正常输出你的GPU信息，说明配置没问题：

docker run --rm --gpus all nvidia/cuda:10.0-base nvidia-smi

启动RAPIDS容器 #

注意要选择和你CUDA 10.0匹配的RAPIDS镜像版本（22.06及之前的版本支持CUDA 10.0，后续版本已不再兼容）：

docker run --gpus all -it --rm rapidsai/rapidsai:22.06-cuda10.0-runtime-ubuntu18.04-py3.8

常见坑提示 #

• WSL2不需要单独安装CUDA，Docker镜像里已经包含了对应版本的CUDA环境，你Windows上的CUDA只是给WSL2提供底层驱动支持
• 确保Windows上的NVIDIA驱动版本和WSL2兼容，建议保持驱动为最新稳定版
• 如果启动容器时提示GPU访问错误，检查Docker Desktop的WSL集成是否开启，以及WSL2发行版是否能正常识别GPU（在WSL2里运行nvidia-smi测试）

内容的提问来源于stack exchange，提问作者Martin Talero