docker的nvidia安装和使用

男娘i 2024-04-17 05:27 71阅读 0赞

dockr虽然安装好了，但是安装到这一步的docker只能在cpu下使用或者将docker的gpu环境导出到宿主机上使用，无法在docker中使用gpu。

`nvidia-docker`是一个可以使用`GPU`的`docker`，`nvidia-docker`是在`docker`上做了一层封装，需要先安装好docker。

官网：[https://github.com/NVIDIA/nvidia-docker][https_github.com_NVIDIA_nvidia-docker]

## 1、跟新nvidia的版本到19.03 ##

由于我的nvidia-docker2安装失败了，所以参考官方强调的**使用nvidia-docker2升级（已弃用）**我就升级了docker到19.03版本

其中docker的安装参考教程：[https://blog.csdn.net/Diana\_Z/article/details/97376691][https_blog.csdn.net_Diana_Z_article_details_97376691]

需要预先安装好nvidia，ubuntu上的nvidia安装教程参考：[https://blog.csdn.net/Diana\_Z/article/details/100011628][https_blog.csdn.net_Diana_Z_article_details_100011628]

本人使用的系统是ubuntu18.04,4个gpu，具体安装信息如下

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70][]

![20190822173324156.png][]

## 2、安装过程 ##

# Add the package repositories
    $ 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
    
    $ sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
    $ sudo systemctl restart docker

就是官方教程里面**Ubuntu 16.04/18.04, Debian Jessie/Stretch**的步骤

执行起来是这样的：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 1][]

## 3、使用测试 ##

#### Test nvidia-smi with the latest official CUDA image
    #### 调用所有gpu的方法
    $ docker run --gpus all nvidia/cuda:9.0-base nvidia-smi

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 2][]

# Start a GPU enabled container on two GPUs
    # 调用固定数量的GPU，从前面开始数n个，这里是两个
    $ docker run --gpus 2 nvidia/cuda:9.0-base nvidia-smi

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 3][]

# Starting a GPU enabled container on specific GPUs
    # 选择其中几个gpu来使用，这里选择的1,2是编号1,2的gpu，四个gpu的编号是从0开始的，
    # 我的四个gpu的名字是0,1,2,3
    # 可以看到我的第一个gpu显存是12192，但是调用1,2的GPU的显存都是11178
    $ docker run --gpus '"device=1,2"' nvidia/cuda:9.0-base nvidia-smi

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 4][]

## 4、实际使用 ##

使用caffe官方提供的caffe项目的gpu版本进行使用

docker run --gpus all -ti bvlc/caffe:gpu /bin/bash

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 5][]

\--gpus all，调用了所有gpu

\--ti，进入了命令交互界面 ，具体可以参考：[https://blog.csdn.net/uphailin/article/details/80892505][https_blog.csdn.net_uphailin_article_details_80892505]

进入之后再docker容器中查看，可以看到容器中已经有四个gpu啦

## 以下是一次失败的实践 ##

参考：[https://www.cnblogs.com/journeyonmyway/p/10318624.html（以下代码截图来自这个教程）][https_www.cnblogs.com_journeyonmyway_p_10318624.html]

官网说最新的docker19.03以上的版本nvidia-docker2已经启用了，所以先查看我安装的docker版本

![2019073011562251.png][]

18.09.7，所以就使用nvidia-docker2

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 6][]

![20190730115755641.png][]

![20190730115951661.png][]

安装时候报错，暂时找不到解决途径

[https_github.com_NVIDIA_nvidia-docker]: https://github.com/NVIDIA/nvidia-docker
[https_blog.csdn.net_Diana_Z_article_details_97376691]: https://blog.csdn.net/Diana_Z/article/details/97376691
[https_blog.csdn.net_Diana_Z_article_details_100011628]: https://blog.csdn.net/Diana_Z/article/details/100011628
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/dc4872ef387e4b81af8d4d7253f6d5e3.png
[20190822173324156.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/f959c6c35fa445289246f71d105760be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/aea6d9afcfe5490dba5a7140b0d45736.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/f01f7735c69b482b83cb53fe909de9af.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/2fede4d13d204e1f9c2661782fcc9d52.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/1a81e2e4465f4e0d906543fdd6838f1e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/80273c70fe4143869c1fde496f23fbb0.png
[https_blog.csdn.net_uphailin_article_details_80892505]: https://blog.csdn.net/uphailin/article/details/80892505
[https_www.cnblogs.com_journeyonmyway_p_10318624.html]: https://www.cnblogs.com/journeyonmyway/p/10318624.html
[2019073011562251.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/fdbd324f252c4e1f9a20b1272538cd68.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RpYW5hX1o_size_16_color_FFFFFF_t_70 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/74219a0afd26459e8a0abbedacd9f013.png
[20190730115755641.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/8e5954c5e75b4f5685ac2e4bec7a6f1e.png
[20190730115951661.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/ff54d467d91d45a292921a523b54e146.png