TensorFlow-gpu docker环境安装与配置

环境前提条件：安装NVIDIA® GPU driver

• 下载官方驱动程序 https://blog.csdn.net/tianrolin/article/details/52830422

• 禁止集成的nouveau驱动

  Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。
  将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。

• 查看属性

  $sudo ls -lh /etc/modprobe.d/blacklist.conf
  

• 修改属性

  $sudo chmod 666 /etc/modprobe.d/blacklist.conf
  

• 在该文件后添加一下几行

  blacklist vga16fb
  blacklist nouveau
  blacklist rivafb
  blacklist rivatv
  blacklist nvidiafb
  

  • 开始安装
    先按Ctrl + Alt + F1到控制台，关闭当前图形环境

  $sudo service lightdm stop
  

  安装驱动程序

  	$sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run
  	$sudo ./NVIDIA-Linux-x86_64-xxx.run -no-x-check -no-nouveau-check -no-opengl-files
  

  重新启动图形环境

  $sudo service lightdm start
  

• 查看显卡驱动版本（确认驱动是否正确安装）

  $cat /proc/driver/nvidia/version
  

安装Doker维护的版本Docker CE:

• 快捷安装

  $ curl -fsSL https://get.docker.com -o get-docker.sh
  $ sudo sh get-docker.sh
  

• 测试docker安装成功

  $ sudo docker run hello-world
  

安装Nvidia-docker2

• 如果有旧版本Nvidia-docker1，需要先行卸载

# 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 -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/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:9.0-base nvidia-smi

GPU-support tensorflow

• 确认GPU可用

  $ lspci | grep -i nvidia
  

• 确认nvidia-docker 已安装

  docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi
  

• 下载并运行一个GPU-enabled TensorFlow

  docker run --runtime=nvidia -it --rm tensorflow/tensorflow:latest-gpu \
  python -c "import tensorflow as tf; print(tf.contrib.eager.num_gpus())"
  

• 进入TensorFlow GPU开启一个bash会话

  docker run --runtime=nvidia -it tensorflow/tensorflow:latest-gpu bash
  

docker 中 Jupter 配置

• 指定端口映射

  docker run --runtime=nvidia -it -p 8888:8888 tensorflow/tensorflow:latest-gpu 
  

• 通过访问 http://server-ip:8888访问Jupyter

希望对您有帮助，如有疑问欢迎留言探讨