这个业务需求看起来挺奇葩，因为想用rapids包换掉sklearn，用GPU跑更快，但我想用Docker版本的。
docker run，不要-rm
对官方的初始化bash命令做了小修改，会创建一个名为cupy的容器，将Windows本机d:\Code\Python\硬链接到Linux的/data。
注意，关闭此命令行窗口后，容器就会停止运行。
docker run --gpus all --name="cupy" -v d:\Code\Python\:/data -it --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 -p 8888:8888 -p 8787:8787 -p 8786:8786 rapidsai/rapidsai:23.08a-cuda11.2.2-py3.9
VScode连接至现有的Docker环境
安装vscode插件：dev container
按F1调出命令面板，搜索附加到正在运行的容器，选择cupy
打开文件夹，选择/data
如果有文件io操作，python也要改变当前工作目录
import os
os.chdir('/data')
因为windows下scikit-learn跑的时候，CPU几乎不转，3%不到的占用。
换linux就跑起来了，20%的CPU占用