直播预告
下周四晚8点半,将带你走进IoT的世界。企业在落地边缘计算的过程会遇到哪些挑战?什么是MQTT协议?如何设计企业的边缘架构?如何实现边缘侧的IoT设备管理?下节课通通告诉你!
点击【阅读原文】或访问以下链接即可报名:
http://z-mz.cn/PmxP
前 言
本篇文章主要是配合Rancher的k3s进阶之路第四期《k3s实战演练(一):如何与GPU结合使用》,培训内容可以参考在线视频链接:
http://z-mz.cn/PmxF
本文内容作为这一期课程的补充,提供了非常详细的k3s环境中GPU相关的程序安装步骤。其中包括两种支持方式:Docker+GPU,以及Containerd+GPU。本文的目的是希望大家可以以此作为参考,减少初始入门时的安装困扰,把更多的精力放在场景落地和创新上。
本文使用的k3s版本为v1.17.3+k3s1,操作系统使用Ubuntu 18.04。
安装详解
安装cuda-drivers
准备GPU设备的主机,本文使用AWS的p2.2xlarge实例,它拥有一块Nvidia GPU卡,我们可以用于测试。首先需要安装cuda-drivers,这是我们能够在用户空间调用GPU做运算的驱动,所以主机上必须按照。在Nvidia官网可以找到下载链接,可以根据自身OS的需求选择,下面示例使用Ubuntu 18.04:
# https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=debnetwork# 注意最后一行,我们只需安装cuda-drivers即可,不需要其他的cuda-toolkit wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo add-apt-repository "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"sudo apt-get update sudo apt-get -y