配置 Docker 使用 GPU
Posted CODE 杂谈
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了配置 Docker 使用 GPU相关的知识，希望对你有一定的参考价值。
准备工作
首先你需要准备一台拥有GPU的实例，在这里我将使用阿里云的竞价实例来做演示，因为它对于短期使用GPU更加划算。
注意，本篇文章将教你手动进行GPU驱动的配置，所以在购买时选择系统的时候不要选择自动安装GPU驱动。
具体关于竞价实例如何购买和配置，请参考各个云平台的介绍，本文不再赘述。
主机配置
在这里我买了一台配有Ubuntu 22.04和一块T4显卡的实例作为演示。
显卡驱动安装
- 现在我们需要安装 NVIDIA 的驱动，在这里下载驱动。
- 选择你的显卡和CUDA Toolkit版本，以及你的系统版本，就能得到相应的驱动下载。
- 在这个案例中我的显卡选择的是 Tesla T4 ，系统选择 Linux64-bit，CUDA Toolkit 选择 12.0。
- 点击搜索后就能得到对应的驱动，点击下载后就得到了对应的驱动。
- 把驱动文件上传到你的实例上，并用以下命令进行安装：
$chmod 755 NVIDIA-Linux-x86_64-525.85.12.run
$sudo ./NVIDIA-Linux-x86_64-525.85.12.run --no-cc-version-check
脚本中的版本号可能会随有所变化，请以你下载的驱动为准。
安装完后执行 nvidia-smi 命令显示如下就是安装完成了：
Fri Mar 3 15:17:34 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.85.12 Driver Version: 525.85.12 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 Off | 00000000:00:07.0 Off | 0 |
| N/A 57C P0 30W / 70W | 2MiB / 15360MiB | 7% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
Docker 安装
可以使用 Docker 的官方脚本在 Ubuntu 上设置 Docker-CE：
curl https://get.docker.com | sh \\
&& sudo systemctl --now enable docker
安装 NVIDIA Container Toolkit
在线安装
设置软件包仓库和GPG密钥
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \\
&& curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \\
&& curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \\
sed \'s#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g\' | \\
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
在更新软件包列表之后，安装 nvidia-container-toolkit 包（以及依赖项）。
$ sudo apt-get update
$ sudo apt-get install -y nvidia-container-toolkit
离线安装
离线安装包都在以下仓库和分支下：
https://github.com/NVIDIA/libnvidia-container/tree/gh-pages
以 ubuntu22.04为例，点开对应的目录，如果显示的是 Symbolic Link，则表示是个软链，例如我这点开后是 stable/ubuntu22.04，则代表软链到这个目录，进行跳转后发现还是一个 Symbolic Link ，里面是 ubuntu18.04，继续跳转，现在出现了系统的选择，这里我选择 amd64，进去后的目录里就是对应的安装包了。
在这里我们需要选择如下的安装包：
nvidia-container-toolkit-base_xxxx-1_amd64
nvidia-container-toolkit_1.xxxx-1_amd64
libnvidia-container1_1.xxxx-1_amd64
libnvidia-container-tools_1.xxxx-1_amd64
xxxx代表对应的 CUDA 版本，在我的这个实例中 xxxx，就是12.0，按以下顺序安装：
dpkg -i libnvidia-container1_1.12.0-1_amd64.deb
dpkg -i libnvidia-container-tools_1.12.0-1_amd64.deb
dpkg -i nvidia-container-toolkit-base_1.12.0-1_amd64.deb
dpkg -i nvidia-container-toolkit_1.12.0-1_amd64.deb
配置Docker守护程序，使其能够识别NVIDIA Container Runtime：
$ sudo nvidia-ctk runtime configure --runtime=docker
在设置默认 runtime 后，重新启动Docker守护程序以完成安装。
$ sudo systemctl restart docker
测试
最后，通过运行一个基本的CUDA容器来测试是否配置完成：
$ sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:12.0.1-runtime-ubuntu22.04 nvidia-smi
输出如下所示就代表你的容器以及支持GPU：
Fri Mar 3 07:47:04 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.85.12 Driver Version: 525.85.12 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 Off | 00000000:00:07.0 Off | 0 |
| N/A 37C P0 27W / 70W | 2MiB / 15360MiB | 7% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
以上是关于配置 Docker 使用 GPU的主要内容，如果未能解决你的问题，请参考以下文章
远程服务器基于docker容器的深度学习环境配置（支持GPU）