阅读 136

CentOS7 Nvidia Docker环境搭建

本篇文章主要介绍了CentOS7 Nvidia Docker环境搭建,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧

最近在搞tensorflow的一些东西,话说这东西是真的皮,搞不懂。但是环境还是磕磕碰碰的搭起来了

其实本来是没想到用docker的,但是就一台配置较好的服务器,还要运行公司的其他环境,vmware esxi用起来太费劲,还是算了。

环境:

系统:CentOS7 7.4 1708

显卡:Nvidia 1080Ti

下载所有需要的东东

1、docker-ce yum repo : https://download.docker.com/linux/centos/docker-ce.repo

2、nvidia-docker yum repo : https://nvidia.github.io/nvidia-docker/centos7/x86_64/nvidia-docker.repo

3、nvidia cuda yum repo : http://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-9.1.85-1.x86_64.rpm

4、nvidia cudnn : https://developer.nvidia.com/cudnn

这个东西需要注册nvidia账号,就不给直接下载地址了。

5、nvidia驱动 : http://www.nvidia.cn/Download/index.aspx?lang=cn

按自己的显卡型号下载

6、nvidia docker file : https://hub.docker.com/r/nvidia/cuda/

这里面可以看到很多dockerfile,选择

9.0-base-centos7 (9.0/base/Dockerfile)

其他的cuda9.1这些应该也可以用,另外有像devel和runtime这样的,其实就是yum安装的cuda包不太一样,没多大关系。

点进去后复制下来保存为Dockerfile文件,但是之后搞的时候发现有点问题,修改了一下,可以从这儿复制

1234567891011121314151617181920212223242526272829303132333435363738394041424344FROM centos:7 LABEL maintainer "NVIDIA CORPORATION <cudatools@nvidia.com>" RUN NVIDIA_GPGKEY_SUM=d1be581509378368edeec8c1eb2958702feedf3bc3d17011adbf24efacce4ab5 && \   curl -fsSL https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/7fa2af80.pub | sed '/^Version/d' > /etc/pki/rpm-gpg/RPM-GPG-KEY-NVIDIA && \   echo "$NVIDIA_GPGKEY_SUM /etc/pki/rpm-gpg/RPM-GPG-KEY-NVIDIA" | sha256sum -c --strict - #COPY cuda.repo /etc/yum.repos.d/cuda.repo ENV CUDA_VERSION 9.0.176 ENV CUDA_PKG_VERSION 9-0-$CUDA_VERSION-1 #RUN yum install -y \ #    cuda-cudart-$CUDA_PKG_VERSION && \ #  ln -s cuda-9.0 /usr/local/cuda && \ #  rm -rf /var/cache/yum/*# nvidia-docker 1.0 LABEL com.nvidia.volumes.needed="nvidia_driver" LABEL com.nvidia.cuda.version="${CUDA_VERSION}" RUN echo "/usr/local/nvidia/lib" >> /etc/ld.so.conf.d/nvidia.conf && \   echo "/usr/local/nvidia/lib64" >> /etc/ld.so.conf.d/nvidia.conf ENV PATH /usr/local/nvidia/bin:/usr/local/cuda/bin:${PATH} ENV LD_LIBRARY_PATH /usr/local/nvidia/lib:/usr/local/nvidia/lib64 # nvidia-container-runtime ENV NVIDIA_VISIBLE_DEVICES all ENV NVIDIA_DRIVER_CAPABILITIES compute,utility ENV NVIDIA_REQUIRE_CUDA "cuda>=9.0"

所有的文件

12345678910[root@localhost nvidia]# pwd/root/nvidia[root@localhost nvidia]# lltotal 420000drwxr-xr-x. 2 root root   4096 Feb 10 10:50 centos-gpu-rw-r--r--. 1 root root   3335 Jan 29 10:36 cuda-repo-rhel7-9.1.85-1.x86_64.rpm-rw-r--r--. 1 root root 348817823 Feb 6 16:26 cudnn-9.0-linux-x64-v7.tgz-rw-r--r--. 1 root root   2424 Feb 9 10:36 docker-ce.repo-rw-r--r--. 1 root root    796 Feb 9 17:11 nvidia-docker.repo-rwxr-xr-x. 1 root root 81242220 Jan 31 14:19 NVIDIA-Linux-x86_64-390.25.run

centos-gpu里有Dockerfile文件

准备工作

直接上命令,一看就明白

123456[root@localhost nvidia]# cp docker-ce.repo nvidia-docker.repo /etc/yum.repos.d/[root@localhost nvidia]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm[root@localhost nvidia]# yum install epel-release[root@localhost nvidia]# yum install gcc gcc-c++ [root@localhost nvidia]# yum install kernel*

安装驱动

12345[root@localhost nvidia]# echo "blacklist nouveau" >>/etc/modprobe.d/blacklist.conf[root@localhost nvidia]# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak dracut -v /boot/initramfs-$(uname -r).img $(uname -r) [root@localhost nvidia]# init 3 [root@localhost nvidia]# chmod +x NVIDIA-Linux-x86_64-390.25.run [root@localhost nvidia]# ./NVIDIA-Linux-x86_64-390.25.run

大概步骤就是这样,如果出现问题,可以直接网上找一找,应该不会太难

安装和启动docker

12345[root@localhost nvidia]# yum install docker-ce nvidia-docker[root@localhost nvidia]# systemctl enable docker[root@localhost nvidia]# systemctl start docker[root@localhost nvidia]# systemctl enable nvidia-docker[root@localhost nvidia]# systemctl start nvidia-docker

记得显卡驱动一定要先装好,nvidia-docker才能正常启动

制作docker镜像

123[root@localhost nvidia]# yum install cuda-cudart-9-0-9.0.176-1[root@localhost nvidia]# ln -s cuda-9.0 /usr/local/cuda[root@localhost nvidia]# nvidia-docker build -t centos-nvidia /root/nvidia/centos-gpu

如果你是用的我修改的Dockfile应该不会有什么问题,如果你是用的原版的,可能会在

1#COPY cuda.repo /etc/yum.repos.d/cuda.repo

出错,但是咱们已经下载cuda 的 repo,并安装了,所以这一步可以不用。

镜像制作结束后,可以用命令 docker images 查看一下:

123[root@localhost centos-gpu]# docker imagesREPOSITORY       TAG         IMAGE ID      CREATED       SIZEcentos-nvidia      latest       a02c8e0ad5ca    2 hours ago     207MB

如果有这一行应该就算是成功了。

生成docker

1234567891011121314151617181920[root@localhost centos-gpu]# nvidia-docker run --name="centos-gpu2" -ti a02c /bin/bash[root@34d532e76913 /]# nvidia-smi Sat Feb 10 03:42:20 2018    +-----------------------------------------------------------------------------+| NVIDIA-SMI 390.25         Driver Version: 390.25          ||-------------------------------+----------------------+----------------------+| GPU Name    Persistence-M| Bus-Id    Disp.A | Volatile Uncorr. ECC || Fan Temp Perf Pwr:Usage/Cap|     Memory-Usage | GPU-Util Compute M. ||===============================+======================+======================||  0 GeForce GTX 108... Off | 00000000:02:00.0 Off |         N/A || 23%  17C  P8   8W / 250W |   10MiB / 11178MiB |   0%   Default |+-------------------------------+----------------------+----------------------+                                         +-----------------------------------------------------------------------------+| Processes:                            GPU Memory || GPU    PID  Type  Process name               Usage   ||=============================================================================|| No running processes found                         |+-----------------------------------------------------------------------------+[root@34d532e76913 /]# exit

如果类似于上面的输出结果,差不多就可以了。

使用Docker

123456789101112131415161718[root@localhost centos-gpu]# nvidia-docker ps -aCONTAINER ID    IMAGE        COMMAND       CREATED       STATUS           PORTS        NAMES34d532e76913    a02c        "/bin/bash"     3 minutes ago    Exited (0) 12 seconds ago            centos-gpu2d16c2db2bf2e    a02c        "/bin/bash"     2 hours ago     Exited (0) 19 minutes ago            centos-gpu370671db8df1    3afd        "/bin/bash"     19 hours ago    Exited (137) 3 hours ago            centos-dronemap[root@localhost centos-gpu]# nvidia-docker start 34d534d5[root@localhost centos-gpu]# nvidia-docker cp /root/nvidia/cuda-repo-rhel7-9.1.85-1.x86_64.rpm 34d532e76913:/root[root@localhost centos-gpu]# nvidia-docker exec -ti 34d5 /bin/bash[root@34d532e76913 /]# cd[root@34d532e76913 ~]# lsanaconda-ks.cfg cuda-repo-rhel7-9.1.85-1.x86_64.rpm[root@34d532e76913 ~]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm warning: cuda-repo-rhel7-9.1.85-1.x86_64.rpm: Header V3 RSA/SHA512 Signature, key ID 7fa2af80: NOKEYPreparing...             ################################# [100%]Updating / installing...  1:cuda-repo-rhel7-9.1.85-1     ################################# [100%][root@34d532e76913 ~]# yum install cuda-*9-0*

这里需要注意的是类似于 34d532e76913 这样的编号,是docker自动生成的,运行的时候需要修改一下。

到目前基本上cuda的环境就搭建好了。

TensorFlow

把下载的cudnn包用docker cp复制到docker中,解压下来,将里面的lib64路径添加到 /etc/ld.so.conf.d/nvidia.conf 中,运行ldconfig,就ok了。

上面的环境好了以后,再安装python等等软件,这就不说了。之后tensorflow的一些例子就可以在docker里运行了。当然你得安装gpu版本的,才能发挥显卡的威力。

另外也可以不必要这么麻烦,有已经制作好的镜像可以拿来用,可以参考:https://hub.docker.com/r/tensorflow/tensorflow/

其他

另外也有现成的cuda镜像可以用,参考:https://hub.docker.com/r/nvidia/cuda/  

直接使用命令:docker pull nvidia/cuda 就可以下载镜像了,只不过这是ubuntu版本的,和我们的生成环境不符,如果要其他版本的可以参考上面的例子。

最后

这一段时间没有写什么东西,另外之前的关于图形绘图的东西,一直没扔,已经有很多东西可以和大家分享了,只不过时间很少,还没来得及整理。等有空了就能听着音乐在屏幕前磨洋工了,KeKe~。

以上就是本文的全部内容,希望对大家的学习有所帮助



文章分类
后端
版权声明:本站是系统测试站点,无实际运营。本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 XXXXXXo@163.com 举报,一经查实,本站将立刻删除。
相关推荐