Dockerコンテナとは？

通常、あるツールやアプリを動かすには「OSの設定・依存ライブラリ・Python・CUDAのバージョン」などを細かく合わせる必要があります。そして、それぞれのツールが独自に環境を構築するため、ツールが増えるほどPCの中がごちゃごちゃになりがちです。

こうした複雑な環境構築の手間に頭を悩ませる方も多いでしょう。そんな中で、これらの問題を一つにまとめてスッキリ管理できるのが「Dockerのコンテナ」です。

では、実際にDockerを導入すると何がどう変わるのか？これから具体的に見ていきましょう。

【前提】通常の導入（venv使用）の場合

Stable Diffusion（例：AUTOMATIC1111）を入れると…

C:\AI\stable-diffusion-webui\
    ├── venv\           ← Python仮想環境（重い）
    ├── webui-user.bat
    └── その他スクリプトやモデル

  この venv の中にライブラリや依存関係（PyTorch、Gradioなど）全部が入る
➡ ローカル環境に少なからず影響を与えます（Python競合など）

【Docker導入の場合】

DockerでStable Diffusionを導入すると…

C:\AI\stable-diffusion-docker\
    ├── docker-compose.yml
    ├── models/　　　　　　 ← 既存モデルをコピーして再利用OK
    └── volumes/

  venvは作成されません。
  代わりに DockerがPython環境ごと仮想的に用意してくれます。
  PCにはPythonもPyTorchも直接インストール不要（←ここが凄い）
  Docker上の仮想環境だけで完結。削除もワンクリックで可能！

この様に、Dockerは「仮想のPC（コンテナ）」を素早く・軽く・安全に作れる仕組みです。
通常なら手動で行う面倒な環境構築（Python・PyTorch・依存ライブラリの準備）を、“レシピ”のようなDockerイメージにまとめておけます。
同じツールを複数人で使う（再現性が大事）場合にもとても役立ちます。

※Dockerコンテナは「必要な環境をまるごとパッケージした、持ち運びできるミニPC」のような環境です。

再インストールの内容（Docker版）

Dockerを使って既存ツールを動かす場合は、基本的に「再インストール」になります。
 今あるvenv版とは別フォルダにDocker用の環境を構築するイメージです。

必要なもの

• Docker Desktop（初回のみインストール）
• Docker用のツール構成（例：AUTOMATIC1111（docker-compose.ymlなど）

すでにあるモデル（例：model.ckptやLoRAなど）は再利用OK！

 モデルフォルダだけマウントすれば、わざわざ再ダウンロードしなくても使えます。

Dockerでの（例：Stable Diffusion・AUTOMATIC1111）起動方法の違い

① venv版の場合

• webui-user.bat をダブルクリックして起動
• Windowsのローカル環境のPython仮想環境（venv）を使って動かす

② Docker版の場合

Dockerコンテナの中にPython環境やWebUIがすべて含まれているので、ローカルのPythonやvenvは関係なく動作します。起動・停止はDockerコマンドやDocker Desktopで管理します

• webui-user.batは使いません
• コマンドプロンプトやPowerShellで以下のようにDockerコマンドを使います

docker-compose up

※またはDocker DesktopのGUIからコンテナを起動・停止もできます（すごく便利！）

Dockerを使うと変わること

環境構築に必要なもの

GPUドライバ PC側にNVIDIAドライバ（CUDA対応）が入っていること（Windows/Linux）
Docker + GPU拡張 Docker Desktop + NVIDIA Container Toolkit（自動で入ることが多い）

デメリット

• 初回はちょっと学習コストがある
• Docker Desktopはリソースを少し使う（特にWindows）

Dockerを使うと「環境構築の失敗リスクが激減」し、「どこでも同じように動く」ようになります。
ただし、その代わりに Dockerの仕組みやコマンドの理解が少しだけ必要です。

本格的にAIツールを運用・検証・展開していきたい場合、Docker環境への移行は非常におすすめです。特に以下に当てはまるなら、Dockerは有力な選択肢です

• 仮想環境の管理や依存関係の衝突に困っている
• 複数のプロジェクトやツールを切り替える必要がある
• 将来的にサーバー移行（RunPodやLinuxなど）を考えている
• ほかの人と同じ環境を再現したい（記事・GitHub配布など）

Dockerのメリットと注意点

Docker対応のツールはどんどん増えている

AI系のツールは、以下のように環境構築が面倒なものが多いですよね・・・

• Pythonバージョンの違い
• CUDAのバージョン依存
• ライブラリの競合（PyTorch, OpenCVなど）

そこで Dockerを使えば、そのツール専用の環境をまるごと用意できるので、CUDAバージョンの制約もコンテナ内で解決でき、「環境構築しなくても、誰でも同じように動かせる！」というメリットがあります。

環境構築不要で「誰でも同じように」使えるという理由から、Docker対応のツールはどんどん増えています。

両者の違い

Dockerは「アプリと環境をまるごと箱に詰めて起動する仕組み」です。
venvでやっていた「Python環境の分離・管理」は、Dockerがもっと強力に肩代わりしてくれます。
その為、Dockerを使うと「venv自体が不要になります」

複雑な環境（Python + CUDA + ライブラリ）を1コマンドで用意できる
自分のPCを汚さずに、仮想的な「使い捨ての実験環境」が作れる

Docker Desktop が使う主なリソース

特にRAMについて

• Docker Desktop自体が常駐で2GB程度使用
• 画像生成用のコンテナ（Stable Diffusionなど）を動かすと 4～6GB以上必要になるケースが多い
• PCに搭載されているRAMが 8GB以下の場合は厳しいことも
• 16GB以上あると安定しやすい

Step 1：Docker Desktopをインストール（GUIで操作OK）

移行する場合のステップ

1. WSL2 + Docker Desktop（Windows） のセットアップ
2. GPUサポートのための NVIDIA Container Toolkit のインストール
3. 既存ツールのDocker版（またはDockerfile）を調査
   例：ghcr.io/bmaltais/kohya_ss:latest（公式Docker）など
4. docker-compose.yml を書いて、永続データ（LoRAデータ、モデル、画像）を volumes で接続
5. 起動・検証 → 問題なければ段階的に引っ越し

 公式サイトから自分のOSに合ったDockerをダウンロード：Docker公式サイト

CPUのアーキテクチャ

Docker などでイメージを選ぶときに、自分のPCに合ったアーキテクチャのイメージを選ぶ必要があります。

自分のPCがどちらか確認する方法

● Windows の場合

1. スタートメニュー → 「設定」 → 「システム」 → 「バージョン情報」
2. 「システムの種類」を確認
   • x64 ベース プロセッサ → AMD64
   • ARM ベース プロセッサ → ARM64

● Mac の場合

• Apple メニュー（ ）→ 「このMacについて」
  • Intel Core i7/i9 など → AMD64
  • Apple M1/M2/M3 → ARM64

 Windowsの人：WSL（Linux仮想環境）が自動で導入されることが多い
 Macの人：Apple Silicon/M1の場合はそれに対応したバージョンを選ぶ

インストール後、Docker Desktopを起動しておきましょう！

Step 2：コマンドを打たずに「Hello, Docker!」

Dockerはコマンド操作が基本ですが、まずはGUIで使ってみましょう！

1. Docker Desktopを開く
2. 上部メニューの「Containers / Apps」で右上の「+ Add Container」をクリック
3. 「hello-world」と入力して作成！

これだけで、「Hello from Docker!」というメッセージが出る小さなコンテナが立ち上がります。

Step 3：AI関連ツールの体験（Real-ESRGANやGFPGANなど）

次に、実用的なツールを触ってみたい場合は、GitHub上でDocker対応済みのものを使うのが近道です！

例： Real-ESRGANのDocker版

docker run --gpus all -v ${PWD}:/workspace real-esrgan

…といった形ですが、最初は「GUIで使えるDockerツール」や「Colabで試せる代替手段」もおすすめです。

Step 4：（余裕が出たら）Dockerの基本コマンドを学ぶ

最初は下記3つだけ覚えましょう。

最低限のコマンド

最も簡単な始め方セット

• Docker Desktopをインストール＆起動
• 「hello-world」で動作確認（GUIでもOK）
• 公式やGitHubにあるDocker対応AIツールを試す
• 少しずつコマンドや概念を覚える

Dockerはとても便利ですが、以下のような新しい用語や考え方を理解する必要があります

よくある「つまづきポイント」

• docker run したらエラーが出る…原因がよくわからない
• GPUが認識されない（CUDA周りの設定が必要）
• コンテナ内でファイル編集しにくい（ホストとの連携が面倒）
• イメージが重い（数GB）ので、最初のダウンロードに時間がかかる

でも一度慣れると…

• 複雑な環境も一発で再現可能
• 誰でも同じ環境で動作確認できる
• 「環境構築でつまずく」ことが激減する

最初のうちは「GUIでDockerを扱えるツール」や「用意されたDocker環境を使う」ことから始めると、かなり楽になります！

• Docker Desktop（GUI）
• Hugging Face や GitHub上で公開されてる Docker対応済みプロジェクト
• ノーコードでDockerを触れるツール（例：Portainerなど）

 自分のPC（ローカル）に、Docker本体をインストールし、その上でコンテナを動かす
 インターネット上（オンライン）から、コンテナのレシピ（イメージ）を取得するだけ。
実際の処理や実行はローカルで行う

1. Docker自体はローカルで動作

Dockerをインストールすると、PCの中に「仮想空間（コンテナ）」を作れるようになります。

たとえば：

docker run myapp-image

このコマンドは「自分のPC上」で myapp-image を実行しています。

2. オンラインは「素材を拾いに行く場所」

• 実行に必要なDockerイメージ（設計図みたいなもの）は、
  • DockerHub やGitHub
  に公開されてるので、それをインターネット経由でダウンロードします。

※ただし、それは最初の一度きり。その後はローカルでずっと使えます。

たとえるなら…
Docker = 料理できる自分のキッチン（ローカル）
Dockerイメージ = レシピ（ネットで拾ってくる）
実際の調理 = 自分のPCの中でやる

GUIとの関係は？

Docker自体は **CLIベース（コマンドライン操作）**ですが、Dockerで立ち上げたアプリがWeb UIを持つように作られていれば、ブラウザで操作することも可能です。
たとえば「InvokeAI」や「AUTOMATIC1111版のStable Diffusion」などは、DockerでもGUIが使えます。

Dockerが使えるツールはたくさんあります！
とくに AI画像処理系のツールやライブラリは、最近ほとんどがDocker対応しています！

Docker対応の人気ツール

「Dockerが使えるか？」の調べ方

各ツールの GitHub ページを見て、READMEなどにこういう記載があればOKです 

## Docker
docker build -t mytool .
docker run -it --gpus all mytool

あるいは Dockerfile や docker-compose.yml というファイルがあれば、高確率で対応しています。

venvの削除方法（アンインストール）

Docker版のツールやアプリが動作確認できたら、venv版は削除してOKです。

仮想環境（venv）はインストーラーで入れたものではなく、単なるフォルダ構造ですので、アンインストーラーなどは存在しません。フォルダごと削除すれば「完全アンインストール」

例：C:\AI\StableDiffusion\venv の中身を削除

C:\AI\StableDiffusion\
    ├── venv ← ❌ これを削除
    ├── webui-user.bat など
    └── その他

必要なら、プロジェクトフォルダごと（例：StableDiffusion/）削除してしまっても大丈夫です。

削除前の注意点

以下は残したい or Dockerに引き継ぎたいデータです

• モデル（model.ckpt、safetensorsなど）
• LoRA、VAE、VAE Decoderなど
• outputsフォルダ（生成画像）

これらはDocker用に再利用できるので、削除前に別フォルダへコピーしておくと安心です。

さらにキレイにしたい場合（Pythonやvenv関連）

• C:\Users\Owner\AppData\Local\Programs\Python\PythonXXX（※不要になったPythonの削除）
• 環境変数に設定された PYTHONPATH や Path の掃除
• pipやPythonによりインストールされたパッケージの削除

ここまでやると本当にキレイになりますが、他にPython使う予定があるなら残しておいてOKです。

OSまるごと仮想化（コンテナ or 仮想マシン）：Docker類似ツール

SAKASA AI

ローカルCLI（Pythonスクリプト）の為の【PyTorch＋CUDA】のインストール手順 | SAKASA AI PyTorch + CUDA のインストール GPUとCUDAの互換性を確認する方法 PyTorch・Stable Diffusion・ComfyUI など、GPUを使うAIツールを動かすときは「GPUがCUDAに対応している…