Docker安装镜像调用本地GPU

Docker安装镜像调用本地GPU

环境：CentOS7

基本概念

NVIDIA Container Toolkit允许用户构建和运行GPU加速容器。 该工具包包括容器运行库和实用程序，用于自动配置容器以利用NVIDIA GPU。

容器化GPU应用程序提供了许多好处，其中包括：

• 易于部署
• 隔离单个设备
• 跨异构驱动程序/工具包环境运行
• 只需要在主机上安装NVIDIA驱动程序
• 促进协作：可复制的构建，可复制的性能，可复制的结果。

前置要求

1、驱动安装
确保系统已安装好NVIDIA Driver，可从此处下载 .run 安装包。
2、Docker版本
Docker >= 19.03，在docker19以前都需要单独下载nvidia-docker1或nvidia-docker2来启动容器，自从升级了docker19后跑需要gpu的docker只需要加个参数–gpus all 即可

Docker安装

安装步骤略，见此处
输入以下命令

sudo docker run --rm hello-world

查看是否安装成功

设置NVIDIA Container Toolkit

设置稳定的存储库和GPG密钥，官方教程：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
   && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo

sudo yum clean expire-cache
sudo yum install -y nvidia-docker2

# 重启Docker完成安装
sudo systemctl restart docker	

# 检验
sudo docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi

出现以下信息说明成功

安装可使用GPU的TensorFlow镜像

下载TensorFlow官方镜像

docker pull tensorflow/tensorflow:latest-gpu

进入镜像

# Docker 19版本
docker run -it -p 80:8888 --gpus all tensorflow/tensorflow:latest-gpu	

# docker 19之前的版本
docker run -it --runtime=nvidia -p 80:8888 镜像id

进入ipython，打印GPU信息

import tensorflow as tf

print(tf.test.gpu_device_name())
或
from tensorflow.python.client import device_lib

local_device_protos = device_lib.list_local_devices()
print([x.name for x in local_device_protos if x.device_type == 'GPU'])

验证GPU可用

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

从 TensorFlow 2.1 开始，pip 包 tensorflow 即同时包含 GPU 支持，无需通过特定的 pip 包 tensorflow-gpu 安装 GPU 版本。如果对 pip 包的大小敏感，可使用 tensorflow-cpu 包安装仅支持 CPU 的 TensorFlow 版本。

参考：

• NVIDIA-Docker，GitHub地址
• NVIDIA Docker Documentation
• TensorFlow Docker