docker掛載NVIDIA顯卡運(yùn)行pytorch的方法

更新時(shí)間：2018年02月05日 13:49:21 作者：負(fù)赑屃

這篇文章主要介紹了docker掛載NVIDIA顯卡運(yùn)行pytorch的方法，非常不錯(cuò)，具有參考借鑒價(jià)值,需要的朋友可以參考下

寫在前面：

　　請(qǐng)參考之前的文章安裝好CentOS、NVIDIA相關(guān)驅(qū)動(dòng)及軟件、docker及加速鏡像。

　　主機(jī)運(yùn)行環(huán)境

$ uname -a
Linux CentOS 3.10.0-514.26.2.el7.x86_64 #1 SMP Tue Jul 4 15:04:05 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux
$ cat /usr/local/cuda/version.txt
CUDA Version 8.0.61
$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR   6
#define CUDNN_MINOR   0
#define CUDNN_PATCHLEVEL 21
#define CUDNN_VERSION  (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
# NVIDIA 1080ti

一、關(guān)于GPU的掛載

1. 在docker運(yùn)行時(shí)指定device掛載

　　先查看一下有哪些相關(guān)設(shè)備

$ ls -la /dev | grep nvidia
crw-rw-rw-  1 root root  195,  0 Nov 15 13:41 nvidia0
crw-rw-rw-  1 root root  195,  1 Nov 15 13:41 nvidia1
crw-rw-rw-  1 root root  195, 255 Nov 15 13:41 nvidiactl
crw-rw-rw-  1 root root  242,  0 Nov 15 13:41 nvidia-uvm
crw-rw-rw-  1 root root  242,  1 Nov 15 13:41 nvidia-uvm-tools

　　電腦上裝了兩個(gè)顯卡。我需要運(yùn)行pytorch，dockerhub中pytorch官方鏡像沒有g(shù)pu支持，所以只能先pull一個(gè)anaconda鏡像試試，后面可以編排成Dockerfile。

$ docker run -it -d --rm --name pytorch -v /home/qiyafei/pytorch:/mnt/home --privileged=true --device /dev/nvidia-uvm:/dev/nvidia-uvm --device /dev/nvidia1:/dev/nvidia1 --device /dev/nvidiactl:/dev/nvidiactl okwrtdsh/anaconda3 bash

　　okwrtdsh的鏡像似乎是針對(duì)他們實(shí)驗(yàn)室GPU環(huán)境的，有點(diǎn)過大了，不過勉強(qiáng)運(yùn)行一下還是可以的。在容器內(nèi)部還需要

安裝pytorch：

$ conda install pytorch torchvision -c pytorch

　　這里運(yùn)行torch成功，但是加載顯卡失敗了，可能還是因?yàn)轵?qū)動(dòng)不匹配的原因吧，需要重新安裝驅(qū)動(dòng)，暫時(shí)不做此嘗試；

二、通過nvidia-docker在docker內(nèi)使用顯卡

詳細(xì)信息：https://github.com/NVIDIA/nvidia-docker

（1）安裝nvidia-docker

　　nvidia-docker其實(shí)是docker引擎的一個(gè)應(yīng)用插件，專門面向NVIDIA GPU，因?yàn)閐ocker引擎是不支持NVIDIA驅(qū)動(dòng)的，安裝插件后可以在用戶層上直接使用cuda。具體看上圖。這個(gè)圖很形象，docker引擎的運(yùn)行機(jī)制也表現(xiàn)出來了，就是在系統(tǒng)內(nèi)核之上通過cgroup和namespace虛擬出一個(gè)容器OS的用戶空間，我不清楚這是否運(yùn)行在ring0上，但是cuda和應(yīng)用確實(shí)可以使用了（虛擬化的問題，如果關(guān)心此類問題可以了解一些關(guān)于docker、kvm等等虛擬化的實(shí)現(xiàn)方式，目前是系統(tǒng)類比較火熱的話題）

　　下載rpm包：https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker-1.0.1-1.x86_64.rpm

　　這里也可以通過添加apt或者yum sourcelist的方式進(jìn)行安裝，但是我沒有root權(quán)限，而且update容易引起docker重啟，如果不是實(shí)驗(yàn)室的個(gè)人環(huán)境不推薦這么做，防止破壞別人正在運(yùn)行的程序（之前公司一個(gè)小伙子就是在阿里云上進(jìn)行了yum update，結(jié)果導(dǎo)致公司部分業(yè)務(wù)停了一個(gè)上午）。

$ sudo rpm -i nvidia-docker-1.0.1-1.x86_64.rpm && rm nvidia-docker-1.0.1-1.x86_64.rpm
$ sudo systemctl start nvidia-docker

（2）容器測(cè)試

　　我們還需要NVIDIA官方提供的docker容器nvidia/cuda，里面已經(jīng)編譯安裝了CUDA和CUDNN，或者直接run，缺少image的會(huì)自動(dòng)pull。

$ docker pull nvidia/cuda
$ nvidia-docker run --rm nvidia/cuda nvidia-smi

　　在容器內(nèi)測(cè)試是可以成功使用nvidia顯卡的：

（3）合適的鏡像或者自制dockerfile

合適的鏡像：這里推薦Floydhub的pytorch，注意對(duì)應(yīng)的cuda和cudnn版本。

docker pull floydhub/pytorch:0.3.0-gpu.cuda8cudnn6-py3.22
nvidia-docker run -ti -d --rm floydhub/pytorch:0.3.0-gpu.cuda8cudnn6-py3.22 bash

自制dockerfile

　　首先，我們需要把要裝的東西想清楚：

　　1. 基礎(chǔ)鏡像肯定是NVIDIA官方提供的啦，最省事，不用裝cuda和cudnn了；

　　2. vim、git、lrzsz、ssh這些肯定要啦；

　　3. anaconda、pytorch肯定要啦；

　　所以需要準(zhǔn)備好國內(nèi)源source.list，否則安裝速度很慢。

deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties
deb http://archive.canonical.com/ubuntu xenial partner
deb-src http://archive.canonical.com/ubuntu xenial partner
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse

　　下載anaconda的地址：https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh，這里直接在Dockerfile里下了，具體如下：

$ vim Dockerfile
FROM nvidia/cuda
LABEL author="qyf"
ENV PYTHONIOENCODING=utf-8
RUN mv /etc/apt/sources.list /etc/apt/sources.list.bak
ADD $PWD/sources.list /etc/apt/sources.list
RUN apt-get update --fix-missing && \
  apt-get install -y vim net-tools curl wget git bzip2 ca-certificates libglib2.0-0 libxext6 libsm6 libxrender1 mercurial subversion apt-transport-https software-properties-common
RUN apt-get install -y openssh-server -y
RUN echo 'root:passwd' | chpasswd
RUN sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_config
RUN sed -i 's/#PasswordAuthentication yes/PasswordAuthentication yes/' /etc/ssh/sshd_config
RUN echo 'export PATH=/opt/conda/bin:$PATH' > /etc/profile.d/conda.sh && wget --quiet https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh -O ~/anaconda.sh && /bin/bash ~/anaconda.sh -b -p /opt/conda && rm ~/anaconda.sh
RUN apt-get install -y grep sed dpkg && \
  TINI_VERSION=`curl https://github.com/krallin/tini/releases/latest | grep -o "/v.*\"" | sed 's:^..\(.*\).$:\1:'` && \
  curl -L "https://github.com/krallin/tini/releases/download/v${TINI_VERSION}/tini_${TINI_VERSION}.deb"; > tini.deb && \
  dpkg -i tini.deb && \
  rm tini.deb && \
  apt-get clean
ENV PATH /opt/conda/bin:$PATH
RUN conda install pytorch torchvision -c pytorch -y
ENTRYPOINT [ "/usr/bin/tini", "--" ]
CMD [ "/bin/bash" ]

　　通過docker build構(gòu)造鏡像:

docker build -t pytorch/cuda8 ./

　　運(yùn)行成功調(diào)用cuda?！?/p>

三、關(guān)于一些bug

　　這里有部分debian的配置，我照著dockerhub上anaconda鏡像抄的，這里就不再配置了，反正跑起來后有鏡像也可以用。系統(tǒng)隨后可能會(huì)出現(xiàn)錯(cuò)誤：

kernel:unregister_netdevice: waiting for lo to become free. Usage count = 1

　　這是一個(gè)Ubuntu的內(nèi)核錯(cuò)誤，截止到到目前為止似乎還沒完全解決。

　　這個(gè)小哥給出了一個(gè)解決方案，至少他給出的錯(cuò)誤原因我是相信的：是由內(nèi)核的TCP套接字錯(cuò)誤引發(fā)的。這里我給出一些思考，關(guān)于上面的結(jié)構(gòu)圖，在顯卡上，通過nvidia-docker，docker之上的容器可以使用到底層顯卡（驅(qū)動(dòng)顯然是在docker之下的），而TCP套接字，我猜測(cè)也是這種使用方法，而虛擬出來的dockerOS，應(yīng)該是沒有權(quán)限來訪問宿主機(jī)內(nèi)核的，至少內(nèi)核限制了部分權(quán)限。這位小哥給出了測(cè)試內(nèi)核，如果有興趣可以去幫他測(cè)試一下：https://bugs.launchpad.net/ubuntu/+source/linux/+bug/1711407/comments/46。

總結(jié)

以上所述是小編給大家介紹的docker掛載NVIDIA顯卡運(yùn)行pytorch的方法，希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

您可能感興趣的文章: