寫在前面：
請參考之前的文章安裝好CentOS、NVIDIA相關驅動及軟件、docker及加速鏡像。
主機運行環境
$ uname -aLinux CentOS 3.10.0-514.26.2.el7.x86_64 #1 SMP Tue Jul 4 15:04:05 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux$ cat /usr/local/cuda/version.txtCUDA Version 8.0.61$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2#define CUDNN_MAJOR 6#define CUDNN_MINOR 0#define CUDNN_PATCHLEVEL 21#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)#include "driver_types.h"# NVIDIA 1080ti
一、關于GPU的掛載
1. 在docker運行時指定device掛載
先查看一下有哪些相關設備
$ ls -la /dev | grep nvidiacrw-rw-rw- 1 root root 195, 0 Nov 15 13:41 nvidia0crw-rw-rw- 1 root root 195, 1 Nov 15 13:41 nvidia1crw-rw-rw- 1 root root 195, 255 Nov 15 13:41 nvidiactlcrw-rw-rw- 1 root root 242, 0 Nov 15 13:41 nvidia-uvmcrw-rw-rw- 1 root root 242, 1 Nov 15 13:41 nvidia-uvm-tools
電腦上裝了兩個顯卡。我需要運行pytorch，dockerhub中pytorch官方鏡像沒有gpu支持，所以只能先pull一個anaconda鏡像試試，后面可以編排成Dockerfile。
$ docker run -it -d --rm --name pytorch -v /home/qiyafei/pytorch:/mnt/home --privileged=true --device /dev/nvidia-uvm:/dev/nvidia-uvm --device /dev/nvidia1:/dev/nvidia1 --device /dev/nvidiactl:/dev/nvidiactl okwrtdsh/anaconda3 bash
okwrtdsh的鏡像似乎是針對他們實驗室GPU環境的，有點過大了，不過勉強運行一下還是可以的。在容器內部還需要
安裝pytorch：
$ conda install pytorch torchvision -c pytorch
這里運行torch成功，但是加載顯卡失敗了，可能還是因為驅動不匹配的原因吧，需要重新安裝驅動，暫時不做此嘗試；
二、通過nvidia-docker在docker內使用顯卡
詳細信息：https://github.com/NVIDIA/nvidia-docker
（1）安裝nvidia-docker
nvidia-docker其實是docker引擎的一個應用插件，專門面向NVIDIA GPU，因為docker引擎是不支持NVIDIA驅動的，安裝插件后可以在用戶層上直接使用cuda。具體看上圖。這個圖很形象，docker引擎的運行機制也表現出來了，就是在系統內核之上通過cgroup和namespace虛擬出一個容器OS的用戶空間，我不清楚這是否運行在ring0上，但是cuda和應用確實可以使用了（虛擬化的問題，如果關心此類問題可以了解一些關于docker、kvm等等虛擬化的實現方式，目前是系統類比較火熱的話題）
下載rpm包：https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker-1.0.1-1.x86_64.rpm
這里也可以通過添加apt或者yum sourcelist的方式進行安裝，但是我沒有root權限，而且update容易引起docker重啟，如果不是實驗室的個人環境不推薦這么做，防止破壞別人正在運行的程序（之前公司一個小伙子就是在阿里云上進行了yum update，結果導致公司部分業務停了一個上午）。
$ sudo rpm -i nvidia-docker-1.0.1-1.x86_64.rpm && rm nvidia-docker-1.0.1-1.x86_64.rpm$ sudo systemctl start nvidia-docker
（2）容器測試
我們還需要NVIDIA官方提供的docker容器nvidia/cuda，里面已經編譯安裝了CUDA和CUDNN，或者直接run，缺少image的會自動pull。
$ docker pull nvidia/cuda$ nvidia-docker run --rm nvidia/cuda nvidia-smi
在容器內測試是可以成功使用nvidia顯卡的：
（3）合適的鏡像或者自制dockerfile
合適的鏡像：這里推薦Floydhub的pytorch，注意對應的cuda和cudnn版本。
docker pull floydhub/pytorch:0.3.0-gpu.cuda8cudnn6-py3.22nvidia-docker run -ti -d --rm floydhub/pytorch:0.3.0-gpu.cuda8cudnn6-py3.22 bash
自制dockerfile
首先，我們需要把要裝的東西想清楚：
1. 基礎鏡像肯定是NVIDIA官方提供的啦，最省事，不用裝cuda和cudnn了；
2. vim、git、lrzsz、ssh這些肯定要啦；
3. anaconda、pytorch肯定要啦；
所以需要準備好國內源source.list，否則安裝速度很慢。
deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-propertiesdeb http://mirrors.aliyun.com/ubuntu/ xenial main restricteddeb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-propertiesdeb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricteddeb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-propertiesdeb http://mirrors.aliyun.com/ubuntu/ xenial universedeb http://mirrors.aliyun.com/ubuntu/ xenial-updates universedeb http://mirrors.aliyun.com/ubuntu/ xenial multiversedeb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiversedeb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-propertiesdeb http://archive.canonical.com/ubuntu xenial partnerdeb-src http://archive.canonical.com/ubuntu xenial partnerdeb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricteddeb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-propertiesdeb http://mirrors.aliyun.com/ubuntu/ xenial-security universedeb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse
下載anaconda的地址：https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh，這里直接在Dockerfile里下了，具體如下：
$ vim DockerfileFROM nvidia/cudaLABEL author="qyf"ENV PYTHONIOENCODING=utf-8RUN mv /etc/apt/sources.list /etc/apt/sources.list.bakADD $PWD/sources.list /etc/apt/sources.listRUN apt-get update --fix-missing && / apt-get install -y vim net-tools curl wget git bzip2 ca-certificates libglib2.0-0 libxext6 libsm6 libxrender1 mercurial subversion apt-transport-https software-properties-commonRUN apt-get install -y openssh-server -yRUN echo 'root:passwd' | chpasswdRUN sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_configRUN sed -i 's/#PasswordAuthentication yes/PasswordAuthentication yes/' /etc/ssh/sshd_configRUN echo 'export PATH=/opt/conda/bin:$PATH' > /etc/profile.d/conda.sh && wget --quiet https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh -O ~/anaconda.sh && /bin/bash ~/anaconda.sh -b -p /opt/conda && rm ~/anaconda.shRUN apt-get install -y grep sed dpkg && / TINI_VERSION=`curl https://github.com/krallin/tini/releases/latest | grep -o "/v.*/"" | sed 's:^../(.*/).$:/1:'` && / curl -L "https://github.com/krallin/tini/releases/download/v${TINI_VERSION}/tini_${TINI_VERSION}.deb"; > tini.deb && / dpkg -i tini.deb && / rm tini.deb && / apt-get cleanENV PATH /opt/conda/bin:$PATHRUN conda install pytorch torchvision -c pytorch -yENTRYPOINT [ "/usr/bin/tini", "--" ]CMD [ "/bin/bash" ]通過docker build構造鏡像:
docker build -t pytorch/cuda8 ./
運行成功調用cuda。
三、關于一些bug
這里有部分debian的配置，我照著dockerhub上anaconda鏡像抄的，這里就不再配置了，反正跑起來后有鏡像也可以用。系統隨后可能會出現錯誤：
kernel:unregister_netdevice: waiting for lo to become free. Usage count = 1
這是一個Ubuntu的內核錯誤，截止到到目前為止似乎還沒完全解決。
這個小哥給出了一個解決方案，至少他給出的錯誤原因我是相信的：是由內核的TCP套接字錯誤引發的。這里我給出一些思考，關于上面的結構圖，在顯卡上，通過nvidia-docker，docker之上的容器可以使用到底層顯卡（驅動顯然是在docker之下的），而TCP套接字，我猜測也是這種使用方法，而虛擬出來的dockerOS，應該是沒有權限來訪問宿主機內核的，至少內核限制了部分權限。這位小哥給出了測試內核，如果有興趣可以去幫他測試一下：https://bugs.launchpad.net/ubuntu/+source/linux/+bug/1711407/comments/46。
總結
以上所述是小編給大家介紹的docker掛載NVIDIA顯卡運行pytorch的方法，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對VEVB武林網網站的支持！
新聞熱點
疑難解答
圖片精選
