CentOS7 Nvidia Docker環境搭建

2024-09-01 13:53:54

字體：大中小

來源：轉載

供稿：網友

最近在搞tensorflow的一些東西，話說這東西是真的皮，搞不懂。但是環境還是磕磕碰碰的搭起來了

其實本來是沒想到用docker的，但是就一臺配置較好的服務器，還要運行公司的其他環境，vmware esxi用起來太費勁，還是算了。

環境：

系統：CentOS7 7.4 1708

顯卡：Nvidia 1080Ti

下載所有需要的東東

1、docker-ce yum repo : https://download.docker.com/linux/centos/docker-ce.repo

2、nvidia-docker yum repo : https://nvidia.github.io/nvidia-docker/centos7/x86_64/nvidia-docker.repo

3、nvidia cuda yum repo : http://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-9.1.85-1.x86_64.rpm

4、nvidia cudnn : https://developer.nvidia.com/cudnn

這個東西需要注冊nvidia賬號，就不給直接下載地址了。

5、nvidia驅動 : http://www.nvidia.cn/Download/index.aspx?lang=cn

按自己的顯卡型號下載

6、nvidia docker file : https://hub.docker.com/r/nvidia/cuda/

這里面可以看到很多dockerfile，選擇

9.0-base-centos7 (9.0/base/Dockerfile)

其他的cuda9.1這些應該也可以用，另外有像devel和runtime這樣的，其實就是yum安裝的cuda包不太一樣，沒多大關系。

點進去后復制下來保存為Dockerfile文件，但是之后搞的時候發現有點問題，修改了一下，可以從這兒復制

FROM centos:7LABEL maintainer "NVIDIA CORPORATION <cudatools@nvidia.com>"RUN NVIDIA_GPGKEY_SUM=d1be581509378368edeec8c1eb2958702feedf3bc3d17011adbf24efacce4ab5 && /  curl -fsSL https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/7fa2af80.pub | sed '/^Version/d' > /etc/pki/rpm-gpg/RPM-GPG-KEY-NVIDIA && /  echo "$NVIDIA_GPGKEY_SUM /etc/pki/rpm-gpg/RPM-GPG-KEY-NVIDIA" | sha256sum -c --strict -#COPY cuda.repo /etc/yum.repos.d/cuda.repoENV CUDA_VERSION 9.0.176ENV CUDA_PKG_VERSION 9-0-$CUDA_VERSION-1#RUN yum install -y /#    cuda-cudart-$CUDA_PKG_VERSION && /#  ln -s cuda-9.0 /usr/local/cuda && /#  rm -rf /var/cache/yum/*# nvidia-docker 1.0LABEL com.nvidia.volumes.needed="nvidia_driver"LABEL com.nvidia.cuda.version="${CUDA_VERSION}"RUN echo "/usr/local/nvidia/lib" >> /etc/ld.so.conf.d/nvidia.conf && /  echo "/usr/local/nvidia/lib64" >> /etc/ld.so.conf.d/nvidia.confENV PATH /usr/local/nvidia/bin:/usr/local/cuda/bin:${PATH}ENV LD_LIBRARY_PATH /usr/local/nvidia/lib:/usr/local/nvidia/lib64# nvidia-container-runtimeENV NVIDIA_VISIBLE_DEVICES allENV NVIDIA_DRIVER_CAPABILITIES compute,utilityENV NVIDIA_REQUIRE_CUDA "cuda>=9.0"

所有的文件

[root@localhost nvidia]# pwd/root/nvidia[root@localhost nvidia]# lltotal 420000drwxr-xr-x. 2 root root   4096 Feb 10 10:50 centos-gpu-rw-r--r--. 1 root root   3335 Jan 29 10:36 cuda-repo-rhel7-9.1.85-1.x86_64.rpm-rw-r--r--. 1 root root 348817823 Feb 6 16:26 cudnn-9.0-linux-x64-v7.tgz-rw-r--r--. 1 root root   2424 Feb 9 10:36 docker-ce.repo-rw-r--r--. 1 root root    796 Feb 9 17:11 nvidia-docker.repo-rwxr-xr-x. 1 root root 81242220 Jan 31 14:19 NVIDIA-Linux-x86_64-390.25.run

centos-gpu里有Dockerfile文件

準備工作

直接上命令，一看就明白

[root@localhost nvidia]# cp docker-ce.repo nvidia-docker.repo /etc/yum.repos.d/[root@localhost nvidia]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm[root@localhost nvidia]# yum install epel-release[root@localhost nvidia]# yum install gcc gcc-c++[root@localhost nvidia]# yum install kernel*

安裝驅動

[root@localhost nvidia]# echo "blacklist nouveau" >>/etc/modprobe.d/blacklist.conf[root@localhost nvidia]# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak dracut -v /boot/initramfs-$(uname -r).img $(uname -r) [root@localhost nvidia]# init 3 [root@localhost nvidia]# chmod +x NVIDIA-Linux-x86_64-390.25.run [root@localhost nvidia]# ./NVIDIA-Linux-x86_64-390.25.run

大概步驟就是這樣，如果出現問題，可以直接網上找一找，應該不會太難

安裝和啟動docker

[root@localhost nvidia]# yum install docker-ce nvidia-docker[root@localhost nvidia]# systemctl enable docker[root@localhost nvidia]# systemctl start docker[root@localhost nvidia]# systemctl enable nvidia-docker[root@localhost nvidia]# systemctl start nvidia-docker

記得顯卡驅動一定要先裝好，nvidia-docker才能正常啟動

制作docker鏡像

[root@localhost nvidia]# yum install cuda-cudart-9-0-9.0.176-1[root@localhost nvidia]# ln -s cuda-9.0 /usr/local/cuda[root@localhost nvidia]# nvidia-docker build -t centos-nvidia /root/nvidia/centos-gpu

如果你是用的我修改的Dockfile應該不會有什么問題，如果你是用的原版的，可能會在

#COPY cuda.repo /etc/yum.repos.d/cuda.repo

出錯，但是咱們已經下載cuda 的 repo，并安裝了，所以這一步可以不用。

鏡像制作結束后，可以用命令 docker images 查看一下：

[root@localhost centos-gpu]# docker imagesREPOSITORY       TAG         IMAGE ID      CREATED       SIZEcentos-nvidia      latest       a02c8e0ad5ca    2 hours ago     207MB

如果有這一行應該就算是成功了。

生成docker

[root@localhost centos-gpu]# nvidia-docker run --name="centos-gpu2" -ti a02c /bin/bash[root@34d532e76913 /]# nvidia-smi Sat Feb 10 03:42:20 2018    +-----------------------------------------------------------------------------+| NVIDIA-SMI 390.25         Driver Version: 390.25          ||-------------------------------+----------------------+----------------------+| GPU Name    Persistence-M| Bus-Id    Disp.A | Volatile Uncorr. ECC || Fan Temp Perf Pwr:Usage/Cap|     Memory-Usage | GPU-Util Compute M. ||===============================+======================+======================||  0 GeForce GTX 108... Off | 00000000:02:00.0 Off |         N/A || 23%  17C  P8   8W / 250W |   10MiB / 11178MiB |   0%   Default |+-------------------------------+----------------------+----------------------+                                        +-----------------------------------------------------------------------------+| Processes:                            GPU Memory || GPU    PID  Type  Process name               Usage   ||=============================================================================|| No running processes found                         |+-----------------------------------------------------------------------------+[root@34d532e76913 /]# exit

如果類似于上面的輸出結果，差不多就可以了。

使用Docker

[root@localhost centos-gpu]# nvidia-docker ps -aCONTAINER ID    IMAGE        COMMAND       CREATED       STATUS           PORTS        NAMES34d532e76913    a02c        "/bin/bash"     3 minutes ago    Exited (0) 12 seconds ago            centos-gpu2d16c2db2bf2e    a02c        "/bin/bash"     2 hours ago     Exited (0) 19 minutes ago            centos-gpu370671db8df1    3afd        "/bin/bash"     19 hours ago    Exited (137) 3 hours ago            centos-dronemap[root@localhost centos-gpu]# nvidia-docker start 34d534d5[root@localhost centos-gpu]# nvidia-docker cp /root/nvidia/cuda-repo-rhel7-9.1.85-1.x86_64.rpm 34d532e76913:/root[root@localhost centos-gpu]# nvidia-docker exec -ti 34d5 /bin/bash[root@34d532e76913 /]# cd[root@34d532e76913 ~]# lsanaconda-ks.cfg cuda-repo-rhel7-9.1.85-1.x86_64.rpm[root@34d532e76913 ~]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm warning: cuda-repo-rhel7-9.1.85-1.x86_64.rpm: Header V3 RSA/SHA512 Signature, key ID 7fa2af80: NOKEYPreparing...             ################################# [100%]Updating / installing...  1:cuda-repo-rhel7-9.1.85-1     ################################# [100%][root@34d532e76913 ~]# yum install cuda-*9-0*

這里需要注意的是類似于 34d532e76913 這樣的編號，是docker自動生成的，運行的時候需要修改一下。

到目前基本上cuda的環境就搭建好了。

TensorFlow

把下載的cudnn包用docker cp復制到docker中，解壓下來，將里面的lib64路徑添加到 /etc/ld.so.conf.d/nvidia.conf 中，運行ldconfig，就ok了。

上面的環境好了以后，再安裝python等等軟件，這就不說了。之后tensorflow的一些例子就可以在docker里運行了。當然你得安裝gpu版本的，才能發揮顯卡的威力。

另外也可以不必要這么麻煩，有已經制作好的鏡像可以拿來用，可以參考：https://hub.docker.com/r/tensorflow/tensorflow/

其他

另外也有現成的cuda鏡像可以用，參考：https://hub.docker.com/r/nvidia/cuda/

直接使用命令：docker pull nvidia/cuda 就可以下載鏡像了，只不過這是ubuntu版本的，和我們的生成環境不符，如果要其他版本的可以參考上面的例子。

最后

這一段時間沒有寫什么東西，另外之前的關于圖形繪圖的東西，一直沒扔，已經有很多東西可以和大家分享了，只不過時間很少，還沒來得及整理。等有空了就能聽著音樂在屏幕前磨洋工了，KeKe～。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。