本文是在宿主机Ubuntu16.04上安装Docker(nvidia-docker),并成功进行MindSpore1.0.0的GPU训练;
Ubuntu 16.04
Docker
Nvidia-docker (cuda:10.1-base)—-可使用GPU的docker容器
mindspore-gpu:1.0.0 Dokcer hub上配置好的mindspore-gpu镜像
一、 先讲述成功的流程
【1】 mindspore官网GPU安装教程 查看具体流程
系统需要ubuntu18.04,但是我的ubuntu系统版本是16.04,因为是多人共用系统,不能直接升级系统,只能通过安装docker的方式;
cat /proc/version # 使用此命令查看系统版本
【2】安装Docker—我的系统已安装docker
这里提供一篇参考文章: 在ubuntu16.04上安装docker的文章
docker version # 宿主机内执行,用于查看docker是否安装成功
【3】安装nvidia-docker
需要先确认已安装了docker 和 nvidia-driver
nvidia-smi # 检查nvidia-driver 是否安装
为什幺需要安装nvidia-docker
nvidia-docker是一个可以使用GPU的docker,nvidia-docker是在docker上做了一层封装, 通过nvidia-docker-plugin,然后调用到docker上, 其最终实现的还是在docker的启动命令上携带一些必要的参数。 因此在安装nvidia-docker之前,还是需要安装docker的。 docker一般都是使用基于CPU的应用,而如果是GPU的话,就需要安装特有的硬件环境, 比如需要安装nvidia driver。 所以docker容器并不直接支持Nvidia GPU。 为了解决这个问题,最早的处理办法是在容器内部,全部重新安装nvidia driver, 然后通过设置相应的设备参数来启动container,然而这种办法是很脆弱的。 因为宿主机的driver的版本必须完全匹配容器内的driver版本,这样导致docker image无法共享, 很可能本地机器的不一致导致每台机器都需要去重复操作,这很大的违背了docker的设计之初。 为了使docker image能很便利的使用Nvidia GPU,从而产生了nvidia-docker, 由它来制作nvidia driver的image,这就要求在目标机器上启动container时,确保字符设备以及驱动文件已经被挂载。 nvidia-docker-plugin是一个docker plugin,被用来帮助我们轻松部署container到GPU混合的环境下。 类似一个守护进程,发现宿主机驱动文件以及GPU 设备,并且将这些挂载到来自docker守护进程的请求中。 以此来支持docker GPU的使用。
安装nvidia-docker2.0过程 安装nvidia-docker2.0官方教程
1、ubuntu系统移除nvidia-docker 1.0
sudo 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 nvidia-docker
2、安装依赖包
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
3、安装nvidia-driver2.0
4、验证nvidia-docker安装成功;
docker run --runtime=nvidia --rm nvidia/cuda:10.1-base nvidia-smi
【4】拉取mindspore-gpu:1.0.0镜像 Dokcer hub上配置好的mindspore-gpu镜像
【5】注意:此处一定是使用 nvidia-docker run
命令生成新容器,并直接python进入编译环境即可(镜像mindspore-gpu中已安装python3.7.5);
# 原docker命令生成新容器(mindspore/mindspore-gpu:1.0.0 是镜像名) docker run -it mindspore/mindspore-gpu:1.0.0 /bin/bash # 现nvidia-docker命令生成新容器 nvidia-docker run -it mindspore/mindspore-gpu:1.0.0 /bin/bash
直接执行mindspore官网提供的代码,验证是否成功;
import numpy as np from mindspore import Tensor from mindspore.ops import functional as F import mindspore.context as context context.set_context(device_target="GPU") # 此处一定要注意将设备改为GPU,源代码是Ascend x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) print(F.tensor_add(x, y))
若出现以下结果,则安装验证通过;
二、这里是踩过的坑
【1】最开始是直接在docker上安装显卡驱动等,因为我的宿主机nvidia-driver是418.39版本,但是docker容器内安装的是推荐的nvidia-driver450版本,两者好像不兼容,中间一直各种出错;
参考至:
【Docker】在docker中安装显卡驱动、CUDA、CUDNN等
【2】得知有nvidia/cuda镜像,但是还是需要安装nvidia-docker;
【3】加入mindspore官网qq群:871543426 –有专业人员可帮忙解答问题;
在群里问疑惑,有人解答说有mindspore-gpu的镜像,简直太好用了。
Be First to Comment