使用 PaddlePaddle 官方提供的 Docker 镜像

在 Windows 系统上使用 Docker 镜像运行 PaddlePaddle 或其他应用程序非常简单。以下是详细步骤：

1. 安装 Docker Desktop

Docker Desktop 是 Windows 上运行 Docker 的官方工具。以下是安装步骤：

1.1 下载 Docker Desktop

访问 Docker 官方网站。

下载适用于 Windows 的 Docker Desktop 安装程序。

1.2 安装 Docker Desktop

1、运行下载的安装程序。

2、按照提示完成安装。

3、安装完成后，重启电脑。

1.3 启用 WSL 2 或 Hyper-V

Docker Desktop 需要 WSL 2（Windows Subsystem for Linux 2）或 Hyper-V 支持。

#WSL 2（推荐）：

1、打开 PowerShell（管理员权限）。

2、运行以下命令启用 WSL 2：

wsl --install

3、安装完成后，重启电脑。

#Hyper-V：

1、打开“控制面板” -> “程序” -> “启用或关闭 Windows 功能”。

2、勾选“Hyper-V”并点击“确定”。

3、重启电脑。

1.4 启动 Docker Desktop

1、在开始菜单中搜索并启动 Docker Desktop。

2、等待 Docker 启动（右下角系统托盘中的 Docker 图标变为绿色）。

2. 拉取 PaddlePaddle Docker 镜像

PaddlePaddle 提供了预配置的 Docker 镜像，支持 GPU 和 CPU。

2.1 打开终端

打开 PowerShell 或 Windows 终端。

2.2 拉取镜像

运行以下命令拉取 PaddlePaddle 镜像（以 GPU 版本为例）：

docker pull paddlepaddle/paddle:2.5.2-gpu-cuda11.7-cudnn8

3. 运行 Docker 容器

拉取镜像后，可以通过以下命令运行容器。

3.1 运行 GPU 容器

如果你的系统支持 GPU，可以使用以下命令运行容器：

docker run --gpus all -it paddlepaddle/paddle:2.5.2-gpu-cuda11.7-cudnn8 /bin/bash

3.2 运行 CPU 容器

如果你的系统不支持 GPU，可以使用以下命令运行 CPU 容器：

docker run -it paddlepaddle/paddle:2.5.2 /bin/bash

4. 验证 PaddlePaddle 安装

在容器中运行以下命令，验证 PaddlePaddle 是否正确安装：

python -c "import paddle; print(paddle.device.is_compiled_with_cuda())"

如果输出 True，说明 GPU 支持已启用。

如果输出 False，说明当前运行的是 CPU 版本。

5. 使用 Docker 容器

在容器中，你可以像在本地环境中一样运行 Python 脚本或 Jupyter Notebook。

5.1 运行 Python 脚本

将本地脚本挂载到容器中并运行：

docker run --gpus all -v C:/path/to/your/script:/workspace -it paddlepaddle/paddle:2.5.2-gpu-cuda11.7-cudnn8 /bin/bash
cd /workspace
python your_script.py

5.2 运行 Jupyter Notebook
启动 Jupyter Notebook 服务：

docker run --gpus all -p 8888:8888 -v C:/path/to/your/notebooks:/workspace paddlepaddle/paddle:2.5.2-gpu-cuda11.7-cudnn8 jupyter notebook --ip=0.0.0.0 --allow-root

然后在浏览器中访问 http://localhost:8888。

6. 退出和删除容器

退出容器：在容器中运行 exit。

删除容器：使用以下命令删除已停止的容器：

docker rm <container_id>

7. 常见问题

7.1 Docker 无法启动

确保 WSL 2 或 Hyper-V 已启用。

确保 BIOS 中启用了虚拟化技术（VT-x/AMD-V）。

7.2 GPU 不支持

确保已安装 NVIDIA 驱动程序。

确保已安装 NVIDIA Container Toolkit。