from：docker掛載NVIDIA顯卡運行pytorch
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 -a Linux 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.txt CUDA 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 nvidia crw-rw-rw- 1 root root 195, 0 Nov 15 13:41 nvidia0 crw-rw-rw- 1 root root 195, 1 Nov 15 13:41 nvidia1 crw-rw-rw- 1 root root 195, 255 Nov 15 13:41 nvidiactl crw-rw-rw- 1 root root 242, 0 Nov 15 13:41 nvidia-uvm crw-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-py3.22 nvidia-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-properties deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties deb http://mirrors.aliyun.com/ubuntu/ xenial universe deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties deb http://archive.canonical.com/ubuntu xenial partner deb-src http://archive.canonical.com/ubuntu xenial partner deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe deb 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 Dockerfile

FROM nvidia/cuda LABEL author="qyf" ENV PYTHONIOENCODING=utf-8 RUN mv /etc/apt/sources.list /etc/apt/sources.list.bak ADD $PWD/sources.list /etc/apt/sources.list RUN apt-get update --fix-missing && \apt-get install -y vim net-tools curl wget git bzip2 ca-certificates libglib2.0-0 libxext6 libsm6 libxrender1 mercurial subversion apt-transport-https software-properties-common RUN apt-get install -y openssh-server -y RUN echo 'root:passwd' | chpasswd RUN sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_config RUN sed -i 's/#PasswordAuthentication yes/PasswordAuthentication yes/' /etc/ssh/sshd_config RUN echo 'export PATH=/opt/conda/bin:$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.sh ENV PATH /opt/conda/bin:$PATH RUN conda install pytorch torchvision -c pytorch -y ENTRYPOINT [ "/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

以上是生活随笔為你收集整理的docker挂载NVIDIA显卡的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。