Ubuntu中docker部署gpu版pytorch
文章目录docker简介安装docker与NVIDIA-docker安装docke安装NVIDIA-docker安装显卡驱动拉取pytorch GPU版镜像文件运行pytoch容器总结docker简介Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中,然后发布到任何流行的 Linux或Windows操作系统的机器上,也可以实现虚拟化。作为一种轻量级的虚
docker简介
Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中,然后发布到任何流行的 Linux或Windows操作系统的机器上,也可以实现虚拟化。
作为一种轻量级的虚拟化方式, Docker在运行应用上跟传统的虚拟机方式相比具有显著优势:
- Docker容器很快, 启动和停止可以在秒级实现, 这相比传统的虚拟机方式要快得多 。
- Docker容器对系统资源需求很少, 一台主机上可以同时运行数千个 Docker容器。
- Docker通过类似Git的操作来方便用户获取、分发和更新应用镜像, 指令简明, 学习成本较低。
- Docker通过Dockerfile 配置文件来支持灵活的自动化创建和部署 机制 , 提高工作效率。 Docker容器除了运行其中的应用之外, 基本不消耗额外的系统资掘, 保证应用性能的同时, 尽量减小系统开销。 传统虚拟机方式运行 N个不同的应用就要启动N个虚拟机(每个虚拟机需要单独分配独占的 内存、磁盘等资源), 而Docker只需要启动N个隔离的容器, 并将应用放到容器内即可。当然, 在隔离性方面, 传统的虚拟机方式多了一层额外的隔离。但这并不意味着Docker就不安全。 Docker利用Linux系统上的多种防护机制实现了严格可靠的隔离。 从1.3版本开始, Docker引人了安全选项和 镜像签名机制, 极大地提高了使用Docker的安全性 。
安装docker与NVIDIA-docker
安装docke
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io
#设置docker开机启动
sudo systemctl enable docker
#使用docker --version查看docker是否安装成功
docker info
安装NVIDIA-docker
因为这里需要用到GPU
,所以需要安装NVIDIA-docker
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker
安装显卡驱动
sudo apt list nvidia-driver*
运行此条命令之后会列出所有可安装的驱动版本,选择470版本:
sudo apt install nvidia-driver-470
安装结束之后,重启服务器:
sudo reboot
重启结束后查看GPU信息:
nvidia-smi
此处会显示cuda兼容的最大版本,后续docker就应当安装不高于此版本
拉取pytorch GPU版镜像文件
在Docker Hub中查询pytorch镜像:
这里选用pytorch:1.9.1-cuda11.1-cudnn8-devel
docker pull pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel
运行pytoch容器
镜像下载好之后,启动,使用如下命令如下:
nvidia-docker run -itd --gpus all pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel
查询改容器的ID
:docker ps -a
docker exec -it 容器的ID /bin/bash
这里就进入了pytoch容器环境,依次输入
python
import torch
torch.cuda.is_available()
就会看到True
字样,说明在Ubuntu中docker部署gpu版pytorch就成功了。
总结
这是我第一次在项目中使用docker部署,实现了快速部署和启动,节约时间成本,确实感觉十分方便。
参考文档:https://blog.csdn.net/LOLUN9/article/details/122623250
如果阅读本文对你有用,欢迎一键三连呀!!!
2022年5月4日21:32:22
更多推荐
所有评论(0)