ubuntu16.04 cuda-cudnn-docker环境安装

1、nvidia驱动安装

# 在系统加⼊入 Nvidia 驱动的官⽅方 ppa

sudo add-apt-repository ppa:graphics-drivers/ppa

 

# 更新源

sudo apt update

 

# 安装 nvidia驱动  推荐安装nvidia-418版本驱动

#或者可以使用以下命令获取合适的驱动

ubuntu-drivers devices

 

sudo apt install nvidia-418

 

2、cuda安装  

#此版本为9.0

# 下载 cuda 元数据包

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb -O cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

 

# 安装该包

sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

 

# 添加 nvidia 的公钥

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub`

 

sudo apt update

 

sudo apt install cuda-9-0

 

3、cudnn安装

# 确保源配置⽂文件夹已存在

sudo mkdir -p /etc/apt/sources.list.d/

 

# 写⼊入 cudnn 源地址

sudo sh -c 'echo "deb http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64 /" > /etc/apt/sources.list.d/nvidia-ml.list'

#（http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64）（此为网络访问地址，但在导入apt源时需要加上后面的空格和/）

 

sudo apt update

 

# 安装 CUDNN7 for CUDA 9.0  目前最新版本为7.6.3.30， 其他版本cuda的对应cudnn可以去上面的网址找

sudo apt install libcudnn7=7.6.3.30-1+cuda9.0

 

 

4、docker 安装

可查看菜鸟教程

#更换国内软件源，推荐中国科技大学的源，稳定速度快（可选）

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

sudo sed -i 's/archive.ubuntu.com/mirrors.ustc.edu.cn/g' /etc/apt/sources.list

sudo apt update

 

#安装需要的包

sudo apt install apt-transport-https ca-certificates software-properties-common curl

 

#添加 GPG 密钥，并添加 Docker-ce 软件源，这里还是以中国科技大学的 Docker-ce 源为例

curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

sudo add-apt-repository "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu \

$(lsb_release -cs) stable"

#更新源

sudo apt update

 

#安装 Docker-ce

sudo apt install docker-ce

 

#设置开机自启动并启动 Docker-ce（安装成功后默认已设置并启动，可忽略）

sudo systemctl enable docker

sudo systemctl start docker

 

#测试运行

sudo docker run hello-world

 

#添加当前用户到 docker 用户组，可以不用 sudo 运行 docker（可选）

sudo groupadd docker

sudo usermod -aG docker $USER

 

#测试添加用户组（可选）

docker run hello-world

 

5、nvidia-docker2 安装

github nvidia/nvidia-docker

# If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers

docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f

sudo apt-get purge -y nvidia-docker

# Add the package repositories

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \

  sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/nvidia-docker.list | \

  sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update

# Install nvidia-docker2 and reload the Docker daemon configuration

sudo apt-get install -y nvidia-docker2

sudo pkill -SIGHUP dockerd

# Test nvidia-smi with the latest official CUDA image

docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi

 

#当运行 测试时， nvidia runtime可能不存在，需要安装nvidia-container-runtime

sudo apt install nvidia-container-runtime

 

#还可能需要配置docker的daemon.json文件，一般在/etc/docker目录下，如果在/etc/docker目录下不存在daemon.json文件，则创建一个，一般情况下的配置如下：

{

  "runtimes": {

        "nvidia": {

            "path": "nvidia-container-runtime",

            "runtimeArgs": []

        }

    },

  "graph": "/home/znxj/dockerRootDir"

}

 

#其中graph后面的配置是指docker的内容存储根目录，建议选择一个空间大的位置创建

 

6、docker简单命令

#查看所有的docker容器

docker ps -a

 

#查看所有的本地docker镜像

docker images

 

#保存docker镜像为文件 和 从文件导入docker镜像

docker save 镜像名称 > 文件路径

docker load < 文件路径

 

#docker容器停止、启动、重启、删除（删除时要求停止容器）

docker stop 容器id/容器名称

docker start 容器id/容器名称

docker restart 容器id/容器名称

docker rm 容器id/容器名称

 

#将修改后的容器保存为镜像

docker commit -m="has update" -a="runoob" e218edb10161 runoob/ubuntu:v2

-m表示保存镜像的message

-a 表示保存镜像的人

e218edb10161 为容器id

runoob/ubuntu:v2  表示保存的镜像名称和版本号

 

#docker镜像删除、网上拉取（从docker hub网站寻找）、通过镜像启动一个容器

docker rmi 镜像id/镜像名称

docker pull 镜像名称:镜像版本（例子：docker pull nvidia/cuda:latest）

 

docker run -it -p 2524:22 -v ~/docker:/root --privileged=true --runtime=nvidia --restart=always --name gaojie-106-docker-9.0 nvidia-cuda9.0:v1 /bin/bash

#说明（-it 表示可以交互式进行docker， 2524表示宿主机port， 22表示容器的虚拟端口， ~/docker表示宿主机的实际目录，映射为容器中的root目录， --privileged=true表示启用特权(一般不建议使用)， --runtime=nvidia表示运行环境为nvidia， --restart=always表示自动重启， --name表示设置容器名称，gaojie-106-docker-9.0为容器名称， nvidia-cuda9.0:v1表示docker镜像（冒号前为镜像名称，后为镜像版本）， /bin/bash表示容器的运行环境）

 

在进入容器后，可以自行安装openssh-server，然后启动ssh，并对docker用户密码进行修改，并source /etc/profile, 则可以使用ssh连接docker容器

如果需要使用远程图形界面访问（x11访问），则需要配置/etc/ssh/sshd_config:

添加X11UseLocalhost no，并且设置X11Forwarding yes，然后重启ssh即可

 

 

 

 

在docker容器中安装软件时建议安装在/usr/local/下

7、docker容器安装eclipse

1、Jdk安装

从oracle官网下载jdk的ubuntu版本文件，上传到docker容器中，并解压至/usr/local/java下，然后配置环境变量

环境变量配置：/etc/profile.d/java.sh    JAVA_HOME为jdk的根目录

export JAVA_HOME=/usr/local/java/jdk1.8.0_181

export JRE_HOME=$JAVA_HOME/jre

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH

 

2、gtk安装

参考链接：https://blog.csdn.net/singleyellow/article/details/74628428

sudo apt-get install build-essential

sudo apt-get install libgtk-3-dev

sudo apt-get install pkg-config

sudo apt-get install devhelp

 

3、eclipse安装

从官网下载自己所需要的eclipse版本，并解压到/usr/local/eclipse下

并对/usr/local/eclipse文件夹下的eclipse文件赋予可执行权限

chmod +x /usr/local/eclipse/eclipse

配置/usr/local/eclipse/eclipse.ini，在其首行前插入以下两行（/usr/local/java/jdk1.8.0_181/jre/bin/java表示为jdk根目录下的jre/bin/java，设置为eclipse的运行环境）

-vm

/usr/local/java/jdk1.8.0_181/jre/bin/java

 

配置/etc/profile.d/eclipse

export PATH=/usr/local/eclipse:$PATH

然后使环境生效

source /etc/profile

然后使用ssh开启x11连接docker，即可远程图形界面展示eclipse

8、docker容器安装miniconda

1、下载miniconda.sh文件（此处下载的为miniconda3最新版本）

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linuxx86_64.sh

2、赋予可执行权限

chmod +x Miniconda3-latest-Linuxx86_64.sh

3、执行

./Miniconda3-latest-Linuxx86_64.sh   或者   bash Miniconda3-latest-Linuxx86_64.sh

然后根据提示自定义安装（建议自定义安装目录为/usr/local/miniconda3或miniconda2，并且不要使用conda init进行环境变量的初始化）

环境配置：/etc/profile.d/miniconda3.sh

   export PATH=/usr/local/miniconda3/bin:$PATH

 

然后使环境生效

source /etc/profile

 

4、miniconda使用

#创建环境（创建一个python3.6的环境）

conda create -n 环境名 python=3.6

#安装python包

source activate 环境名

pip install 包名

 

9、docker容器安装fsl

官网下载链接：https://fsl.fmrib.ox.ac.uk/fsldownloads_registration

下载ubuntu版本的fslinstall.py文件

使用python2环境进行安装python fslinstall.py

如果出错，则对fslinstall.py赋予可执行权限

chmod +x fslinstall.py

./fslinstall.py

这样会默认安装到/usr/local/fsl下

环境配置：/etc/profile.d/fsl.sh

FSLDIR=/usr/local/fsl

. ${FSLDIR}/etc/fslconf/fsl.sh

PATH=${FSLDIR}/bin:${PATH}

export FSLDIR PATH

环境生效：

source /etc/profile

10、docker容器安装freesurfer

参考链接：https://blog.csdn.net/uinglin/article/details/79541063

从官网下载linux安装包  freesurfer-Linux-centos6_x86_64-stable-pub-v6.0.0.tar.gz

解压到/usr/local/freesurfer下

环境配置：/etc/profile.d/freesurfer.sh

export FREESURFER_HOME=/usr/local/freesurfer

source $FREESURFER_HOME/SetUpFreeSurfer.sh

环境生效：

source /etc/profile

测试：

分别输入：tkregister2、tkmedit、tksurfer 和recon-all --help没有报错的话 ，就说明基本安装成功

错误debug：

首先安装apt-file

sudo apt install apt-file

apt-file update

#根据错误

（例如：错误为qdec.bin: error while loading shared libraries: libjpeg.so.62: cannot open shared object file: No such file or directory：）

1、首先查看/usr/lib/x86_64-linux-gnu/中是否存在类似文件：

ls | grep libjpeg

如果存在（如存在libjpeg.so.8.0.2）

则加链接：sudo ln -s /usr/lib/x86_64-linux-gnu/libjpeg.so.8.0.2 /usr/lib/libjpeg.so.62

如果不存在

则进行apt-file search libjpeg

然后根据搜索的结果进行选择性安装apt update 和 apt install，

直到没有错误为止

11、docker容器安装matlab

要求docker run时必须加入--privileged=true 启动容器才可安装（这样才可以在容器中挂载iso文件）

参考链接：https://blog.csdn.net/jesse_mx/article/details/53956358

 

 

 

 

环境配置：/etc/profile.d/matlab.sh

export PATH=/usr/local/MATLAB/R2016b/bin:$PATH

环境生效：

source /etc/profile

 

激活matlab

    当打开了x11远程图形界面转发后，执行matlab，进行激活