歡迎使用GPU版docker安裝使用說明

使用官方教程安裝docker

導入源倉庫的GPG key

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

將 Docker APT 軟件源添加到你的系統(tǒng)

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

安裝命令如下：

 curl -fsSL https://test.docker.com -o test-docker.sh
 sudo sh test-docker.sh

驗證安裝過程，查看安裝的docker 版本，如果返回docker 版本，證明安裝成功

docker -v

新建一個GPU版docker環(huán)境

在 Docker 中尋找專為深度學習和 GPU 計算準備的基礎(chǔ)鏡像，通常您會使用 Docker Hub，這是 Docker 的官方鏡像倉庫，包含了大量的社區(qū)和官方維護的鏡像。對于深度學習和 GPU 計算，有幾個關(guān)鍵的鏡像資源您可以利用：

官方深度學習框架鏡像：比如 PyTorch 和 TensorFlow 的官方鏡像通常已經(jīng)配置了適合深度學習的環(huán)境。在 Docker Hub 上搜索 pytorch/pytorch 或 tensorflow/tensorflow。

要查找這些鏡像，您可以在 Docker Hub 的搜索欄中輸入關(guān)鍵字，比如 “CUDA”、“PyTorch” 或 “TensorFlow”。選擇鏡像時，請注意鏡像的標簽，這些標簽表示了不同版本的 CUDA 或深度學習框架。

例如，為了找到適合 PyTorch 和 CUDA 的鏡像，您可以在 Docker Hub 上搜索 pytorch/pytorch，然后選擇一個標簽，比如 1.7.1-cuda11.0-cudnn8-runtime，這個標簽意味著這個鏡像包含了 PyTorch 1.7.1，CUDA 11.0 和 cuDNN 8。

一旦找到合適的鏡像，您可以使用 docker pull 命令來下載它，例如：

docker pull nvidia/cuda:11.1-base

或

docker pull pytorch/pytorch:1.7.1-cuda11.0-cudnn8-runtime

測試 GPU 訪問，要測試 Docker 是否可以訪問 GPU，您可以運行一個帶有 CUDA 支持的測試鏡像，例如：

docker run --gpus all nvidia/cuda:10.0-base nvidia-smi

docker: Error response from daemon: could not select device driver “” with capabilities: [[gpu]].
ERRO[0000] error waiting for container: context canceled
表明 Docker 無法識別或使用 GPU。這通常是因為您的系統(tǒng)缺少所需的 NVIDIA 容器運行時或相應的配置不正確。以下是解決這個問題的幾個步驟：
1、安裝 NVIDIA Docker 插件
如果您正在使用 Docker 19.03 或更早的版本，您需要安裝 nvidia-docker2。對于 Docker 19.03 及以后的版本，雖然有了原生的 GPU 支持，但您仍然需要 NVIDIA 容器工具包。

2、添加 NVIDIA 容器庫:

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

3、安裝 NVIDIA Docker:

sudo apt-get update
sudo apt-get install -y nvidia-docker2

4、重啟 Docker 服務:

sudo systemctl restart docker

5、 驗證 NVIDIA Docker 安裝
運行以下命令來驗證 NVIDIA Docker 是否正確安裝：

docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi

出現(xiàn)如下界面表明容器可成功調(diào)用本地GPU，之后就是配置容器需要的代碼插件。

調(diào)用docker環(huán)境執(zhí)行本地python文件

1、定位您的 Python 文件：

確定您要執(zhí)行的 Python 文件的路徑。例如，假設(shè)您的文件位于 /path/to/your/script.py。

2、選擇或創(chuàng)建 Docker 鏡像：

確保您有一個包含所需 Python 版本和依賴庫的 Docker 鏡像。假設(shè)您使用的是 liqiang12689/laconda:v1 鏡像。

3、運行 Docker 容器并掛載文件：

使用 Docker 的 -v 參數(shù)將本地文件或目錄掛載到容器中。以下命令將本地目錄 /path/to/your 掛載到容器的 /app 目錄，并以交互模式啟動容器：

docker run -it -v /path/to/your:/app liqiang12689/laconda:v1 /bin/bash

這樣，容器內(nèi)的 /app 目錄現(xiàn)在包含您的 Python 文件。

4、在容器內(nèi)執(zhí)行 Python 文件：

容器啟動后，您將進入其命令行界面。切換到掛載的目錄：

cd /app

5、然后，使用 Python 運行您的腳本：

python script.py  # 或 python3 script.py，取決于您的 Python 版本

這將執(zhí)行您的本地 Python 腳本 script.py。

6、退出容器：

完成后，您可以通過輸入 exit 或按 Ctrl+D 退出容器。

請記住，如果您的 Python 腳本有任何外部依賴或特定的環(huán)境需求，您需要確保這些依賴在 Docker 鏡像中可用。您可能需要創(chuàng)建一個自定義 Docker 鏡像，其中包含您的代碼依賴項，或者在運行容器之前手動安裝它們。文章來源地址http://www.zghlxwxcb.cn/news/detail-783288.html

到了這里，關(guān)于從頭安裝與使用一個docker GPU環(huán)境的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！