Docker配置cuda+pytorch

 

1 安装Docker

可参考其它安装Docker文章，安装docker；

注意，一定要全部安装完毕，远程也要配置。不然无法通过ssh远程登录。

 

2 在物理主机安装显卡驱动

驱动对应版本查询官网。

 

 

在ubuntu中直接使用命令来查看版本：无需上官网查看，下载。

sudo apt list nvidia-driver*

 

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

可以看到显卡驱动已经安装成功，它对应的cuda的型号是11.4版本，那么docker就应当安装不高于此版本。

3.在docker中安装pytorch以及对应的cuda版本

登录dockerhub官网查看镜像，Docker Hub。如下图所示：

这里直接拉取最高的： 1.9.1-cuda11.1-cudnn8-devel镜像，选择devel版本的更方便。

使用docker pull命令下载镜像。

4.镜像下载好之后，启动

使用如下命令：

nvidia-docker run -itd -p 5004:22 pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel

查询改容器的ID：docker ps

 启动容器，如果无法识别gpu驱动，尝试使用

docker run --name <container_name> --gpus all -it <image_name>

 

登录：

docker exec -it cb52a1489e3a /bin/bash

进入之后，使用命令conda init初始化conda，在重新启动shell工具，登录。

查看cuda版本信息以及pytorch使用显卡信息：

至此，pytorch(gpu)+cuda就可以使用了。但是本地连接服务器上的环境使用更加方便，pycharm和jupyter notebook在本地打开连接服务器都可以。为了图像输出方便，这里选择jupyter notebook。

5.在docker中安装jupyter notebook.

更新环境：apt-get update

安装jupyter:pip install jupyter

使用命令ipython设置密码：

 

 

进入/root/.jupyter,打开配置文件，做如下修改

 

 

 

password是上面生成的密码，port是jupyter的端口，这里的端口要和容器中22号对口号映射的5004对应。

配置完毕之后，使用如下命令

conda install ipykernel

安装jupyter中切换环境。

最后，使用如下命令启动Jupyter：

ssh -L localhost:9999:localhost:5004 -p 5004 user_name@ip_address # 远程登录

再输入命令：

jupyter notebook --no-browser --allow-root

启动jupyter。

在本地浏览器中输入localhost:9999,就可以安心科研了。