本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.
前言
在Ubuntu系统,创建一个docker,然后搭建conda深度学习环境,这样可以用conda或pip安装相关的依赖库了。
一、创建一个docker
为了方便开发,在 Docker Hub 官方中选择一个合适的conda docker镜像,然后下载到本地。
我选择了“docker-anaconda”,地址是: Docker Hub
下载命令如下:
docker pull continuumio/anaconda3
二、进入docker
通常使用 docker run 命令进入docker镜像,例如:
docker run -i -t continuumio/anaconda3 /bin/bash
其中 -i: 以交互模式运行容器,通常与 -t 同时使用;
2.1 映射目录
平常进入了docker环境,然后创建或产生的文件,在退出docker环境后会“自动销毁”;或者想运行本地主机的某个程序,发现在docker环境中找不到。
我们可以通过映射目录的方式,把本地主机的某个目录,映射到docker环境中,这样产生的文件会保留在本地主机中。
比如:
docker run -i -t continuumio/anaconda3 -v /home/xxx/xxx/:/home/xxxx:rw /bin/bash
通过-v 把本地主机目录 /home/xxx/xxx/ 映射到docker环境中的/home/xxxx 目录;其权限是rw,即能读能写。
2.2 支持GPU
默认是不把GPU加入到docker环境中的,但可以通过参数设置:
--gpus all
但我发现,这样有时不能在docker里正常使用GPU;可以使用如下参数,在Pytorch中亲测有效。
--gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all
举个例子:
docker run -i -t continuumio/anaconda3 --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all /bin/bash
2.3 设置内存
默认分配很小的内参,在训练模型时不够用,可以通过参数设置:
--shm-size xxG
比如,我电脑有32G内参,想放16G到docker中使用,设置为 –shm-size 16G,即:
docker run -i -t continuumio/anaconda3 --shm-size 16G /bin/bash
2.4 综合版本
结合映射目录、支持GPU、设置内存,打开docker的命令如下:
docker run -i -t -v /home/disk1/guopu/:/home/guopu:rw --gpus all --shm-size 16G -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all continuumio/anaconda3 /bin/bash
详细的参数解析如下
-a stdin:指定标准输入输出内容类型,可选 STDIN/STDOUT/STDERR 三项;
-d:后台运行容器,并返回容器ID;
-i:以交互模式运行容器,通常与 -t 同时使用;
-P:随机端口映射,容器内部端口 随机 映射到主机的端口
-p:指定端口映射,格式为:主机(宿主)端口:容器端口
-t:为容器重新分配一个伪输入终端,通常与 -i 同时使用;
–name=”nginx-lb”:为容器指定一个名称;
–dns 8.8.8.8:指定容器使用的DNS服务器,默认和宿主一致;
–dns-search example.com:指定容器DNS搜索域名,默认和宿主一致;
-h “mars”:指定容器的hostname;
-e username=”ritchie”:设置环境变量;
–env-file=[]:从指定文件读入环境变量;
–cpuset=”0-2″ or –cpuset=”0,1,2″:绑定容器到指定CPU运行;
-m :设置容器使用内存最大值;
–net=”bridge”:指定容器的网络连接类型,支持 bridge/host/none/container: 四种类型;
–link=[]:添加链接到另一个容器;
–expose=[]:开放一个端口或一组端口;
–volume , -v: 绑定一个卷
三、检验docker
进入docker中,首先查看一下GPU,用nvidia-smi命令。正常显示CUDA版本,正常加载了显卡(这里是两张1080ti)。
使用两张显卡训练YOLOv5时,显示正常;
四、进入已打开的docker
思路:首先使用docker ps 查询正在运行docker的ID,然后使用docker exec 命令进入。
命令如下:
$ sudo docker ps $ sudo docker exec -it docker_ID /bin/bash
其中docker_ID,是使用docker ps查询正在运行docker的ID,比如是fe8984f24b79。
参考文献
怎幺在docker中使用nvidia显卡 – 思念殇千寻 – 博客园
本文只供大家参考与学习,谢谢。
Be First to Comment