此脚本面向单机单 Nvidia 显卡的用户，这也是常见的开发设备配置。目标是一键式配置开发 AI 环境。
此环境把 Ubuntu 24 作为 Docker 宿主机，并允许在 Docker 容器中使用显卡驱动和 CUDA，以运行不同的 AI 开发环境。实现对于同一个开发机器，快速（秒级）切换不同 AI 的开发环境的功能。
支持装载 Ubuntu 24 的实体机器和 WSL。对于 ProxmoxVE / ESXI 虚拟机，请先把显卡直通 / 通过 vGPU 分配给目标 Ubuntu 24 虚拟机，再在虚拟机上执行此脚本。
此脚本把安装目标的 Ubuntu 24 视为全新的 Ubuntu 24 环境，在此基础上进行操作。
- 提升为 root 用户
sudo passwd root
>> <passwd>
>> <root-passwd>
su root
>> <root-passwd>- 运行此脚本
apt update
apt install -y git
cd /home # 或者任何你喜欢的位置
git clone [email protected]:kiroeko/ai-dev-env-igniter.git
./ai-dev-env-igniter/main/ubuntu24-init.sh
# 或按需使用 cn 参数：./ai-dev-env-igniter/main/ubuntu24-init.sh cn- 首先确保 Windows 系统运行 Windows 11，且已安装了最新 Nvidia 显卡驱动。
- 下载此代码仓库。
- 使用 Powershell 运行此代码仓库中的
wsl/wsl-init.ps1。 - 在打开的 WSL 终端设置好用户信息，并运行此代码仓库中的
main/ubuntu24-init.sh（如果当前并非 root 用户，会要求输入当前用户的密码）。 - 关闭终端，并重新打开 Powershell，输入 WSL。
- 现在可以使用了。
下面以部署最近较受欢迎的 AI playground - minimind 开发环境为例：
docker pull pytorch/pytorch:2.3.0-cuda12.1-cudnn8-devel
docker run -it -p 80:80 -p 8080:8080 -p 8501:8501 -p 8998:8998 --gpus all --name minimind_dev -v /home/minimind_dev.d:/home pytorch/pytorch:2.3.0-cuda12.1-cudnn8-devel
# 进入 Docker 容器
>> cd /home
>> apt update
>> apt install -y git git-lfs
>> git lfs install
>> git clone [email protected]:jingyaogong/minimind.git
>> cd minimind
>> pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
>> pip install streamlit
>> git clone https://huggingface.co/jingyaogong/MiniMind2
>> cd dataset
>> git clone https://www.modelscope.cn/datasets/gongjy/minimind_dataset.git
>> mv minimind_dataset/* ./
>> rm -r minimind_dataset
>> chmod -R 777 ..
>> cd ../scripts
>> nohup streamlit run web_demo.py &
# 注意：执行上述命令后，如需退出但不关闭容器，请按 Ctrl+P 然后 Ctrl+Q