Ubuntu中docker部署gpu版pytorch

---

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