昨天组装了一台GPU 开发机，我使用 rcode+vscode+docker 可以快速搭建出隔离的cuda开发环境，我感觉非常的方便。特别是 rcode 这个命令在使用 docker 构建 cuda 开发环境时非常有用。下面以搭建 faster-whisper 开发环境为例：

faster-whisper 的项目说明里提到，NVIDIA 官方 Docker 镜像 nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 已经包括了开发需要的库 cuBLAS for CUDA 11 和 cuDNN 8 for CUDA 11。执行以下命令下载并启动这个镜像，并且在启动时，安装好需要的 python 库 和 openssh-server 服务

执行以下命令查找到刚刚启动的容器的名称

sudo docker ps

例如我的容器名称是 admiring_kapitsa，使用以下命令进入容器的 console

sudo docker exec -it admiring_kapitsa /bin/bash

进入 console 之后，进入 /root 目录，创建以下目录和文件，并且把自己的公钥加到 authorized_keys 中：

mkdir /root/.ssh
touch /root/.ssh/authorized_keys
chmod 600 /root/.ssh/authorized_keys

经过这一步操作之后，后面可以通过 ssh 直接登录到容器中。

关闭容器 admiring_kapitsa 之后，把容器 commit 为一个本地镜像，这样以后可以重复使用

sudo docker stop admiring_kapitsa
sudo docker commit admiring_kapitsa lewangdev/cudalab

下载 faster-whisper 的代码然后重新启动一个容器，并且配置好容器的 ssh 端口，挂载 faster-whisper 项目代码到容器中，例如我这里把 8822 端口映射到容器的 22 端口，把 faster-whisper 代码挂载到容器的 /src 目录下：

sudo docker run --runtime=nvidia --gpus all -p 8822:22 -v ./faster-whisper:/src lewangdev/cudalab /bin/bash -c \
"service ssh start; tail -f"

修改自己的电脑的 ~/.ssh/config 文件，例如我的开发机的 ip 是 192.168.52.45，则可以添加以下内容：

Host cudalab
   HostName 192.168.52.45
   User root
   Port 8822

添加好之后，就可以直接这样来登录到容器中。

ssh cudalab

或者

ssh [email protected] -p 8822

完成前面的步骤之后，使用 rcode 命令就可以直接用 vscode 打开开发目录

rcode cudalab /src

image