經常性的忘記怎麼安裝tensorflow docker gpu,方便重放操作
參考文檔:
環境: ubuntu16.04LTS
由於使用nvidia-docker官方出品的docker鏡像,就不需要安裝煩人的cuda包了,之前每次搞這個都頭大,只需要安裝nvidia驅動就好了
1. 首先查看有沒有Nvidia顯卡
lspci | grep -i nvidia # 會列出顯卡信息
2. 安裝nvidia驅動
sudo mkdir /usr/lib/nvidia
sudo apt-get install --no-install-recommends nvidia-410
sudo reboot # 重啓一下
nvidia-smi # 查看驅動是否安裝成功,如果成功了會顯示信息
3. 安裝docker-ce
sudo apt-get update
sudo apt-get install \
apt-transport-https \
ca-certificates \
curl \
software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
"deb [arch=amd64] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) \
stable"
sudo apt-get update
sudo apt-get install docker-ce
4. 安裝nvidia-docker
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
$ 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 && sudo apt-get install -y nvidia-container-toolkit
$ sudo systemctl restart docker
比較奇怪的是nvidia-docker裏邊的測試寫的是docker run加參數 --gpus all
此時用tensorflow說明的用 docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi 驗證會報錯找不到nvidia,不過替換成 docker run --gpus all --rm nvidia/cuda nvidia-smi 是可以的,跑tf應用的時候GPU也會分配內存
5. 拉鏡像
tensorflow的docker hub地址
通過tag過濾查看自己想要的鏡像,譬如說我想下載的是 2.0.0rc0-gpu-py3 體驗一下
docker pull tensorflow/tensorflow:2.0.0rc0-gpu-py3
6. 鏡像加速
由於國內拉鏡像可能會比較慢,因此最好配置一個國內鏡像
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"registry-mirrors": ["xxx"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
其中鏡像可選,其中阿里雲需要有阿里雲賬戶,搜索容器鏡像服務,最後一項是鏡像加速器裏邊能獲得相應地址
鏡像加速器 | 鏡像加速器地址 |
---|---|
Docker 中國官方鏡像 | https://registry.docker-cn.com |
DaoCloud 鏡像站 | http://f1361db2.m.daocloud.io |
Azure 中國鏡像 | https://dockerhub.azk8s.cn |
科大鏡像站 | https://docker.mirrors.ustc.edu.cn |
阿里雲 | https://<your_code>.mirror.aliyuncs.com |
七牛雲 | https://reg-mirror.qiniu.com |
網易雲 | https://hub-mirror.c.163.com |
騰訊雲 | https://mirror.ccs.tencentyun.com |
參考 https://blog.csdn.net/fxbin123/article/details/94882527
接下來就可以嚐鮮了~