Isaac Sim 一百讲（a）：Docker 使用

前言#

Docker 是一个很强大的工具，可以快速地搭建一个开发环境，并且可以很方便地进行迁移，然而我们本不需要 Docker 来使用 Isaac Sim。假如说读者只需要在自己的电脑上使用 Isaac Sim，那么完全不需要 Docker，自己的电脑只有一张显卡，正常运行也不会有任何的问题。

然而假如说在服务器上使用的时候，尤其是指多卡的服务器上，只要进行了简单的尝试，读者就会很快发现问题所在：Isaac Sim 并不会识别 CUDA Visible Devices，而是会默认使用所有可见的 GPU。Isaac Sim 的显卡占用策略并不是合理的，对于一个需要 6GB 显存的应用，假如说有 8 张显卡，那么 Isaac Sim 会占用 8 张显卡上面各 5GB，这毫无疑问的巨大的浪费。

上手 Docker#

解决方法也很简单，使用 Docker 即可。对于大多数读者来说，可能都是久仰 Docker 的大名，然而对于如何使用，以及如何最快速地上手依然心存疑虑，事实证明 Docker 并非十分复杂，在你的 Isaac Sim 之旅中，也不需要过多的 Docker 知识。

首先，在这里指路 Isaac Sim 的文档：

首先你需要通过正常的 APT 方法安装 Docker 以及 CUDA 的 Toolkit，前者让你可以使用 Docker，后者则可以让你使用 GPU。

安装 Docker：

# Docker installation using the convenience script
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

# Post-install steps for Docker
sudo groupadd docker
sudo usermod -aG docker $USER
newgrp docker

# Verify Docker
docker run hello-world

这其中你需要注意的是，假如说你的设备上已经安装了 Docker，那么你唯一需要进行的操作就是让管理员给你添加到 Docker 用户组里面，即：

sudo usermod -aG docker $USER

接下来安装 CUDA 的 Toolkit：

# Configure the repository
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && 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 \
  && \
    sudo apt-get update

# Install the NVIDIA Container Toolkit packages
sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

# Configure the container runtime
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# Verify NVIDIA Container Toolkit
docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

当然，事实上这些 Docker 的 run 的指令你都没必要跑。

使用 Isaac Sim Docker#

首先你需要下载 Isaac Sim 的 Docker，这是一个很简单的操作：

docker pull nvcr.io/nvidia/isaac-sim:4.1.0

但是紧接着，在大多数服务器上，你会发现问题，即网络问题导致你无法进行访问。服务器的一些设置使得你添加了代理之后也难以获取这些 Docker，因此你只能手动将文件上传。

手动上传#

首先，你需要下载 Isaac Sim 的 Docker 文件：

docker pull nvcr.io/nvidia/isaac-sim:4.1.0

这一步操作发生在你个人的电脑上，并且使用了代理。

使用 docker images 查看你本地的 Docker 镜像，然后使用 docker save -o isaac-sim-4.1.0.tar <image_id> 将镜像保存为 tar 文件。

之后可以通过 sftp 或者 scp 将文件上传到服务器上。在服务器上，使用 docker load -i isaac-sim-4.1.0.tar 将镜像加载到本地。

然后你就可以使用：

docker run --name isaac-sim --entrypoint bash -it --runtime=nvidia --gpus all -e "ACCEPT_EULA=Y" --rm --network=host \
    -e "PRIVACY_CONSENT=Y" \
    -v ~/docker/isaac-sim/cache/kit:/isaac-sim/kit/cache:rw \
    -v ~/docker/isaac-sim/cache/ov:/root/.cache/ov:rw \
    -v ~/docker/isaac-sim/cache/pip:/root/.cache/pip:rw \
    -v ~/docker/isaac-sim/cache/glcache:/root/.cache/nvidia/GLCache:rw \
    -v ~/docker/isaac-sim/cache/computecache:/root/.nv/ComputeCache:rw \
    -v ~/docker/isaac-sim/logs:/root/.nvidia-omniverse/logs:rw \
    -v ~/docker/isaac-sim/data:/root/.local/share/ov/data:rw \
    -v ~/docker/isaac-sim/documents:/root/Documents:rw \
    nvcr.io/nvidia/isaac-sim:4.1.0

Docker 快速上手#

Docker 的基本使用#

你可以看着上面的东西会想，wait，发生了什么，这些指令都是什么意思，这很正常，让我娓娓道来。

本身，你可以这样理解，Docker 这个工具是让你运行一个封闭的小型的 Linux 系统，这个系统里面有你需要的所有东西，你只需要在上面运行你的程序即可。这种感觉实际上很像我们常用的 miniconda，而事实上我们也可以用类似的思路去使用一些 Docker 镜像。

镜像和容器是 Docker 两个十分重要的内容，镜像是某种系统，而容器则是一个实例，使得这个系统正在运行。假如说你想要修改镜像，一个显然的操作是，运行一个实例，然后修改，然后保存为新的镜像。

使用 docker images 可以查看你本地的镜像，使用 docker ps -a 可以查看你的容器。假如说你退出了容器，一种可能的结果是这个容器就会停止，但是你依然可以重新启动它。

使用 docker run 可以运行一个容器，在我们的例子中，这个容器来自本地，通过你之前的 load 操作进行了加载，可以在 docker images 中看到，并且可以运行。

Docker 参数#

理解了 Docker 的运行发生了什么，让我们来理解一下这些参数。我们可以交互式地运行一个容器，也可以直接让容器运行固定的指令，跑在后台，假如说你还是不是很熟悉 Docker 的运行方式，那么你或许可以尝试一下交互的运行，这样你可以直接把 Docker 当作某个服务器去使用，这种感觉一模一样，使用 -it 即可。而相对应的，使用 -d 则可以让容器在后台运行。

--rm 来自于另一个简单的需求，在我运行完了这个容器，容器结束了之后，我希望其可以直接销毁，这样我就不用每次都手动去删除容器了。不过在这里依然介绍一下手动销毁的方式，使用 docker rm <container_name> 即可。对于全部的容器，你需要先使得其停止，才能销毁，即 docker stop <container_name>，你可以在 docker ps -a 中看到全部的容器，并且了解他们是否还在运行。

另一个常见的需求是使用 -v 挂载卷，即挂载一个本地的目录到容器中，这样你就可以在容器中修改文件，并且修改会自动同步到本地。这种操作同样可以反过来，我有若干个容器都在使用同一个卷，那么我就可以在本地修改，这个修改会被反馈到全部的容器中。前者可以用于生产数据，后者可以用于共享代码。

--entrypoint 则可以让你指定容器运行的入口点，即容器运行的第一个命令，Isaac Sim 官方的容器默认会执行 ./python.sh，直接启动一个 Isaac Sim 程序，而我们现在只是想进去逛逛，于是设置为 bash，顶替了默认的入口点，使得可以以正常的命令行方式进入。

-e 则可以让你指定环境变量，这里我们使用到了 ACCEPT_EULA 和 PRIVACY_CONSENT，这两个变量分别表示你已经阅读并同意了 NVIDIA 的 EULA 和 Privacy Policy。

--gpus 则可以让你指定容器运行的 GPU，这里我们使用到了全部的 GPU，即 all，假如说你想要指定一张特定的卡，那么你可以使用 --gpus "device=0" 来指定第 0 张卡。

编辑你的 Docker 镜像#

于是我们也就不难实际上手了，运行之前提及的指令，不过你可以不需要挂那些文件，这并非你的需求，同时删除 --rm 参数，这样你退出之后就可以保留容器，并且进行 docker commit 操作了。

docker run --name isaac-sim --entrypoint bash -it --runtime=nvidia --gpus 1 -e "ACCEPT_EULA=Y" --network=host -e "PRIVACY_CONSENT=Y" nvcr.io/nvidia/isaac-sim:4.1.0

同时你可以注意到，我们分配了一张卡，即 --gpus 1，这里的 1 是数量，而非编号。

运行完这个指令之后，你不难发现，你进入了 /isaac-sim 目录，并且处于命令行界面。你可以使用 ctrl+d 退出。

使用 docker commit <container_name> <image_name> 即可将容器保存为镜像。你可以通过之前提及的 docker ps -a 来查看你的容器名称。

在你进行了这一次保存之后，我们姑且认为这个镜像叫做 isaac，那么你可以直接运行：

docker run -it --gpus 1 isaac

此时你又一次进入了命令行中。你可以尝试给这个环境安装一些库，比如：

./python.sh -m pip install open3d

然后再次执行你的 commit 流程，你就可以得到一个包含 open3d 的镜像。

Isaac Sim Docker 的一种运行逻辑#

你现在已经可以使用 Isaac Sim 了，执行一些程序也不是很难，事实上有一种文件拷贝的方式，你可以通过 docker cp 将文件拷贝到容器中，然后运行。

docker cp <file_path> <container_name>:/path/to/destination

然而这很麻烦，你最后会维护一个巨大的容器，每一次修改文件，你都需要进入容器，修改并且 commit。

事实上，你完全可以使用 Docker 的卷挂载，将你的项目挂载到容器中，这样你就可以在容器中修改文件，并且修改会自动同步到本地，这个感觉很像一个大号的 miniconda。

我们假设这样一个场景，你有一个项目想要用来生成数据，因此你有了三个文件夹：

• data 用来存放数据
• code 用来存放代码
• scenes 用来存放场景

你想要在容器中运行这个项目，那么你只需要：

docker run -it --gpus 1 --name isaac-1 --gpus 1\
        -v ~/docker/isaac-sim/data:/isaac-sim/data \
        -v ~/docker/isaac-sim/code:/isaac-sim/code \
        -v ~/docker/isaac-sim/scenes:/isaac-sim/scenes \
        isaac ./python.sh code/main.py

之后比如说你在 code 中修改了代码，你不需要进入容器，你只需要在本地修改，然后容器就会自动同步，因为他们是同一个文件。

然后再次执行上述的指令即可。

在 Docker 中安装 CUDA#

尽管我们之前已经拥有了一个可以使用 nvidia-smi 的 Docker 了，但是稍微懂行的读者是知道的，nvidia-smi 只是 nvidia-driver 的一个工具，可以呼出界面只能说明你安装了 nvidia-driver，而使用 nvcc -V 则可以查看 CUDA 的版本，此时会报错，因为 Docker 中没有 CUDA。

是的，Isaac Sim 会使用 CUDA，但是这是在 Isaac 的 Conda 环境中维护的一个 CUDA，而并不是 Docker 的 CUDA，但是在你使用 Docker 安装诸如 cuRobo 等库的时候，会需要使用 CUDA，因此本篇略微介绍一下。

CUDA Toolkit 11.8 Downloads

(developer.nvidia.com)

依然是依照官网的方法，一个有趣的技巧在于使用 runfile 而非 deb 文件，因为 runfile 会自动帮你安装一些内容。

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

注意在这里安装的是 11.8 版本，这是 Isaac 社区里面目前很常见的一个版本，比如说 cuRobo 的默认版本也是 11.8。在安装之前，你需要安装一些依赖：

apt update
apt install sudo gcc g++ kmod

然后你就可以安装了：

sudo sh cuda_11.8.0_520.61.05_linux.run

在安装的过程中注意取消掉安装驱动，因为驱动已经安装过了。

安装结束之后会出现一些提出，乍一看其实很像是报错，因为无序列表的语法很像是报错 track back 的时候经典的缩进，但是细看可以发现只是提示而已。

之后需要添加一些配置：

export PATH=/usr/local/cuda-11.8/bin:$PATH 
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH 

/usr/local/cuda-11.8/lib64

sudo ldconfig

之后你就可以在 source ~/.bashrc 之后使用 nvcc -V 查看 CUDA 的版本了，此时不会报错。

总结#

对于在服务器上运行 Isaac Sim 的读者来说，使用 Docker 显然是一个必须掌握的技巧，本内容中我们介绍了如何使用 Docker 来运行 Isaac Sim，并且介绍了如何使用 Docker 来编辑你的镜像，以及如何使用 Docker 来挂载卷。通过我们讲解的运行逻辑，你可以把 docker 当作一个 miniconda 来使用，本身你执行的指令 ./python.sh code/main.py，只是在其前面加了一大堆的前缀而已，符合大多数读者常见的使用逻辑。