Ubuntu 18.04安装Docker CE+NVIDIA-Docker+TensorFlow
Docker 是一个开源的应用容器引擎,它让开发者可以打包他们的应用以及依赖,然后放到一个可移植的容器中,再发布到任何流行的 Linux 机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口。
容器将应用程序封装到隔离的虚拟环境中,以简化数据中心的部署。通过将所有应用程序依赖项 (例如二进制文件和库) 都包括在内,应用程序容器能在任何数据中心环境中无缝地运行。
英伟达基于Docker 提供的NVIDIA-Docker可用于容器化 GPU 加速的应用程序。这意味着无需进行任何修改即可轻松容器化和隔离加速的应用程序,并将其部署到任何受支持的、可使用 GPU 的基础架构上。 管理和监控加速的数据中心将变得空前容易。
一、安装Docker
在前面的博文中,我们已经介绍了在Ubuntu系统中安装GPU环境的方法,对于还没有完成这些前提步骤的读者,可以参考:
《在Ubuntu 18.04中配置GPU环境:安装CUDA 9.0等》
你可以在命令行输入 nvcc --version来查看一下当前环境下的CUDA版本,如下图所示:
这部分主要参考官网上关于Docker的文档页“Get Docker CE for Ubuntu”,同样推荐读者查阅。我们基本是按照其中的步骤进行安装的。有时,Ubuntu上会默认安装有Docker。若先前有安装Docker,则需要先卸载(写在的方法在官方文档上有详细介绍)。为了确定本机上没有安装Docker,执行命令: docker run hello-world。如下所示,可见我的机器上并没有安装Docker,所以可以继续后面的步骤。
首先用下面的命令更新
apt包的索引:
[code]$ sudo apt-get update
如下图所示:
把Docker仓库加进到apt里,反斜杠\代表一行,只是换行写更清晰:
[code]$ sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common
如下图所示:
添加Docker的官方GPG key:
[code]$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
验证当前你所拥有的key的指纹是
9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88,方法是搜索指纹中的后八个字符。
[code]$ sudo apt-key fingerprint 0EBFCD88
然后用下面的语句来建立稳定的仓库:
[code]$ sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable"
如下图所示:
接下来正式安装docker:
[code]$ sudo apt-get update $ sudo apt-get install docker-ce
如下图所示:
最后一个命令是验证docker是否安装成功,它会下载并执行hello-world镜像。如果安装正确,执行后的结果应该类似下面这样:
二、安装NVIDIA-Docker
安装完成Docker并检查安装正确(能跑出来hello-world)后,如果需要Docker容器中有GPU支持,需要再安装NVIDIA-Docker,同样参考该项目的主页(链接)。
可以看到在Quick start小节,选择我们Ubuntu的发行版,依次执行命令:
[code]# Add the package repositories curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update
如下图所示:
正式安装NVIDIA-Docker:
[code]# Install nvidia-docker2 and reload the Docker daemon configuration sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
用最新的CUDA镜像来测试一下nvidia-smi(检查是否安装成功,安装成功,则会显示关于GPU的信息)。
[code]# Test nvidia-smi with the latest official CUDA image docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi
如下图所示:
三、用Docker(NVIDIA-Docker)载入TensorFlow镜像
参考Dockerhub关于Tensorflow的页面(链接),主要是“Running Containers”部分。例如,如果要开启一个基于Python2、CPU版的TensorFlow,可以使用:
[code]$ docker run -it --rm tensorflow/tensorflow bash
或者,开启一个基于Python3、GPU版的TensorFlow(可根据需要的版 3ff7 本指定镜像),并开启容器。注意,这里我们使用的Tag是1.10.0-gpu-py3。因为CUDA的版本是9.0,太高版本的TensorFlow不支持。更多的可选Tag可以查阅链接。
来看一下执行的结果。
可见,我们已经成功地用NVIDIA-Docker导入GPU版本的TensorFlow镜像了。
(本文完)
- Ubuntu 18.04系统NVIDIA+CUDA9.1+CUDnn7.1+TensorFlow安装
- Ubuntu 18.04安装Docker CE及nvidia-docker2流程
- Ubuntu 18.04 nvidia driver 390.48 安装 TensorFlow 1.12.0 和 PyTorch 1.0.0 详细教程
- Ubuntu18.04安装Cuda、Cudnn、Tensorflow-gpu
- Ubuntu下安装Docker,TensorFlow和Caffe
- Ubuntu18.04国内源安装Docker-docker安装(二)
- Ubuntu 18.04 笔记本双显卡 Nvidia 驱动安装
- 初用Linux, 安装Ubuntu16.04+NVIDIA387+CUDA8.0+cudnn5.1+TensorFlow1.0.1
- Ubuntu 16.04lts 安装NVIDIA 私有驱动、cuda、cudnn、tensorflow-gpu等问题
- 如何在ubuntu14.04上安装nvidia-docker
- ubuntu18.04: nvidia驱动 + cuda9.0 + cudnn7.0 + python3.6 + tensorflow1.12 安装教程
- ubuntu18.04正式版 python 3.6 下安装tensorflow
- Ubuntu 18.04安装NVIDIA显卡驱动教程
- ubuntu18.04虚拟机安装docker
- 记录:Ubuntu 18.04 安装 tensorflow-gpu 版本
- Ubuntu 18.04 使用Docker镜像方式安装GitLab
- 【Tensorflow】 第六节 Ubuntu16.04LTS安装NVIDIA显卡驱动/CUDA开发库/cuDNN框架(未完成)
- 【安装教程总结】ubuntu18.04+NVIDIA 940MX+CUDA9.0+cuDNN7.4.1+anaconda+tensorflow1.12 安装总结
- Ubuntu + Docker + NVIDIA-docker + Deepo安装
- Nvidia-Docker安装(Ubuntu16.04,其它版本未验证)