1.去github网站下载nvdia-docker
下载和安装nvdia-docker的命令是
[cpp] view plain copy
- # If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers
- docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
- sudo apt-get purge -y nvidia-docker
- # Add the package repositories
- curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
- sudo apt-key add -
- curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/nvidia-docker.list | \
- sudo tee /etc/apt/sources.list.d/nvidia-docker.list
- sudo apt-get update
- # Install nvidia-docker2 and reload the Docker daemon configuration
- sudo apt-get install -y nvidia-docker2
- sudo pkill -SIGHUP dockerd
- # Test nvidia-smi with the latest official CUDA image
- docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
但是nvdia-docker的安装依赖于docker-ce或者docker-ee,所以必须先满足依赖条件,而且对docker-ce和docker-ee也有版本的要求。
[cpp] view plain copy
- maya@maya-g450:~$ sudo apt-get install -y nvidia-docker2
- 正在读取软件包列表... 完成
- 正在分析软件包的依赖关系树
- 正在读取状态信息... 完成
- 有一些软件包无法被安装。如果您用的是 unstable 发行版,这也许是
- 因为系统无法达到您要求的状态造成的。该版本中可能会有一些您需要的软件
- 包尚未被创建或是它们已被从新到(Incoming)目录移出。
- 下列信息可能会对解决问题有所帮助:
- 下列软件包有未满足的依赖关系:
- nvidia-docker2 : 依赖: docker-ce (= 17.12.0~ce-0~ubuntu) 但是 18.01.0~ce-0~ubuntu 正要被安装 或
- docker-ee (= 17.12.0~ee-0~ubuntu) 但无法安装它
- E: 无法修正错误,因为您要求某些软件包保持现状,就是它们破坏了软件包间的依赖关系。
2.安装docker-ce
(1)查询docker-ce的版本
[cpp] view plain copy
- apt-cache madison docker-ce
- docker-ce | 17.12.0~ce-0~ubuntu | https://download.docker.com/linux/ubuntu xenial/stable amd64 Packages
(2)安装17.12.0版本的docker-ce
[cpp] view plain copy
- sudo apt-get install docker-ce=17.12.0~ce-0~ubuntu
- 正在读取软件包列表... 完成
- 正在分析软件包的依赖关系树
- 正在读取状态信息... 完成
- 推荐安装的软件包:
- aufs-tools
- 下列软件包将被【降级】:
- docker-ce
- 升级了 0 个软件包,新安装了 0 个软件包,降级了 1 个软件包,要卸载 0 个软件包,有 463 个软件包未被升级。
- 需要下载 30.2 MB 的软件包。
- 解压缩后将会空出 17.3 MB 的空间。
- 您希望继续执行吗? [Y/n] Y
- 获取:1 https://download.docker.com/linux/ubuntu/ trusty/edge docker-ce amd64 17.12.0~ce-0~ubuntu [30.2 MB]
- 下载 30.2 MB,耗时 52秒 (574 kB/s)
- dpkg:警告:即将把 docker-ce 从 18.01.0~ce-0~ubuntu 降级到 17.12.0~ce-0~ubuntu
- (正在读取数据库 ... 系统当前共安装有 302951 个文件和目录。)
- 正准备解包 .../docker-ce_17.12.0~ce-0~ubuntu_amd64.deb ...
- 正在将 docker-ce (17.12.0~ce-0~ubuntu) 解包到 (18.01.0~ce-0~ubuntu) 上 ...
- 正在处理用于 ureadahead (0.100.0-16) 的触发器 ...
- 正在处理用于 man-db (2.6.7.1-1ubuntu1) 的触发器 ...
- 正在设置 docker-ce (17.12.0~ce-0~ubuntu) ...
- 正在安装新版本的配置文件 /etc/bash_completion.d/docker ...
- docker start/running, process 17636
3.正式安装nvdia-docker
[cpp] view plain copy
- maya@maya-g450:~$ sudo apt-get install -y nvidia-docker2
- 正在读取软件包列表... 完成
- 正在分析软件包的依赖关系树
- 正在读取状态信息... 完成
- 将会安装下列额外的软件包:
- libnvidia-container-tools libnvidia-container1 nvidia-container-runtime
- 下列【新】软件包将被安装:
- libnvidia-container-tools libnvidia-container1 nvidia-container-runtime
- nvidia-docker2
- 升级了 0 个软件包,新安装了 4 个软件包,要卸载 0 个软件包,有 464 个软件包未被升级。
- 需要下载 2,044 kB 的软件包。
- 解压缩后会消耗掉 9,755 kB 的额外空间。
- 获取:1 https://nvidia.github.io/libnvidia-container/ubuntu16.04/amd64/ libnvidia-container1 1.0.0~alpha.3-1 [54.3 kB]
- 获取:2 https://nvidia.github.io/libnvidia-container/ubuntu16.04/amd64/ libnvidia-container-tools 1.0.0~alpha.3-1 [14.5 kB]
- 获取:3 https://nvidia.github.io/nvidia-container-runtime/ubuntu16.04/amd64/ nvidia-container-runtime 1.1.1+docker17.12.0-1 [1,972 kB]
- 获取:4 https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/ nvidia-docker2 2.0.2+docker17.12.0-1 [2,782 B]
- 下载 2,044 kB,耗时 17秒 (120 kB/s)
- 正在选中未选择的软件包 libnvidia-container1:amd64。
- (正在读取数据库 ... 系统当前共安装有 302951 个文件和目录。)
- 正准备解包 .../libnvidia-container1_1.0.0~alpha.3-1_amd64.deb ...
- 正在解包 libnvidia-container1:amd64 (1.0.0~alpha.3-1) ...
- 正在选中未选择的软件包 libnvidia-container-tools。
- 正准备解包 .../libnvidia-container-tools_1.0.0~alpha.3-1_amd64.deb ...
- 正在解包 libnvidia-container-tools (1.0.0~alpha.3-1) ...
- 正在选中未选择的软件包 nvidia-container-runtime。
- 正准备解包 .../nvidia-container-runtime_1.1.1+docker17.12.0-1_amd64.deb ...
- 正在解包 nvidia-container-runtime (1.1.1+docker17.12.0-1) ...
- 正在选中未选择的软件包 nvidia-docker2。
- 正准备解包 .../nvidia-docker2_2.0.2+docker17.12.0-1_all.deb ...
- 正在解包 nvidia-docker2 (2.0.2+docker17.12.0-1) ...
- 正在处理用于 libc-bin (2.19-0ubuntu6.9) 的触发器 ...
- 正在设置 libnvidia-container1:amd64 (1.0.0~alpha.3-1) ...
- 正在设置 libnvidia-container-tools (1.0.0~alpha.3-1) ...
- 正在设置 nvidia-container-runtime (1.1.1+docker17.12.0-1) ...
- 正在设置 nvidia-docker2 (2.0.2+docker17.12.0-1) ...
- 正在处理用于 libc-bin (2.19-0ubuntu6.9) 的触发器 ...
docker tensorflow的镜像官网为https://hub.docker.com/r/tensorflow/tensorflow/,首先按照官方教程安装nvidia-docker2,之后的tensorflow-gpu镜像都需要nvidia-docker来启动,或者docker run --runtime=nvidia,当然这样就足够用了,如果你想用docker取代nvidia-docker可以修改/etc/docker/daemon.json为如下所示,即在第一行加入"default-runtime": "nvidia",这样就可以直接用docker取代nvidia-docker了。
1 2 3 4 5 6 7 8 9 |
|
安装配置成功之后选择Tags标签可以看到不同tag的tensorflow镜像,官方实例代码选择的tag为latest-gpu的镜像,可以根据自己的需要下载镜像,博主选择的是1.8.0-devel-gpu-py3的镜像,这个镜像包含tensorflow-gpu=1.8.0版本,并且包含bazel等开发环境可以编译tensorflow的源代码。即此镜像既可以用于训练模型,又可以用来学习tensorflow源码。执行:
1 |
|
下载成功后执行:
1 |
|
可以查看下载的镜像,如下图所示:
可以看到有一个TAG名为1.8.0-devel-gpu-py3的镜像,证明下载成功。
2.启动容器
如果在前面配置了"default-runtime": "nvidia",那么执行:
1 |
|
没有配置则可以执行:
1 |
|
或者执行:
1 |
|
其中docker run的参数含义如下:
(1)--rm 退出容器清除数据
(2)-it 启动交互式终端
(3)-v 挂在目录
(4)--name 容器名称
3.在容器中训练cifar10
cifar10教程:https://www.tensorflow.org/tutorials/deep_cnn
在本机某一路径下创建好项目,执行脚本后可以看到训练的速度,如下图所示:
可以看到,step 0到200的时间是13.52秒。
将这个目录挂在到容器中,在容器中训练,速度如下图所示:
可以看到,step 0到200的时间是12.39秒(快了的原因是容器中的是tensorflow1.8,而本机由于驱动版本的原因只能安装tensorflow1.4)
可以看到性能基本是无损的,并且由于本机显卡驱动版本低不能安装高版本的tf问题也能通过docker解决。看看,docker是不是屌炸天,性能居然基本无损,真的值得研究研究!!!
4.其他docker使用技巧
(1)通过[docker commit CONTAINER_ID newImageName]保存对镜像的修改,CONTAINER_ID可以通过docker ps查看
(2)通过[docker save -o 文件名 镜像名] 将镜像存储至磁盘,例如docker save -o tensorflow.tar tensorflow/tensorflow:1.8.0-devel-gpu-py3
(3)通过[docker load --input 文件名] 从磁盘导入镜像,例如docker load --input tensorflow.tar
(4)容器一旦退出里面的信息就都会被清除,若不想保存修改又不想丢失信息,那么可以CTRL+P+Q让容器在后台运行,然后通过docker attach CONTAINER_ID重新连接进容器