Docker AIGC等大模型深度学习环境搭建（完整详细版）
本文是《Python从零开始进行AIGC大模型训练与推理》（https://blog.csdn.net/suiyingy/article/details/130169592）专栏的一部分，所述方法和步骤基本上是通用的，不局限于AIGC大模型深度学习环境。
Docker AIGC等大模型深度学习环境搭建步骤主要包含如下步骤：
- CUDA驱动更新
- Docker创建
- CUDA安装与验证
- CUDNN安装与验证
- conda Python环境安装
- ssh服务安装与配置
- 全部命令
1 CUDA驱动更新
ChatGPT、Stable Diffusion等大模型属于相对较新的模型，所以依赖的Pytorch经常为torch1.12以上版本。相应的CUDA版本则至少为CUDA 11.3，并且显卡驱动对应的CUDA版本号不能小于CUDA库的版本号。下面将以CUDA 11.8驱动安装为例。
1.1 原有版本CUDA驱动卸载
如果系统已安装低版本CUDA驱动，那么可通过如下命令进行卸载。
sudo /usr/bin/nvidia-uninstall
sudo apt-get purge nvidia*
sudo apt-get purge cuda*
sudo apt-get autoremove
sudo modprobe -r nvidia-drm#这一步不一定需要1.2 CUDA驱动下载与安装
CUDA下载地址为“https://developer.nvidia.com/cuda-toolkit-archive”，页面如下所示，选择“CUDA Toolkit 11.8.0 (October 2022), Versioned Online Documentation”。
选择CUDA 11.8之后继续选择系统类型和下载文件，如下图所示。选择完成之后会显示出runfile下载地址和安装方式，即“wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run”和“sudo sh cuda_11.8.0_520.61.05_linux.run”。
输入sudo sh cuda_11.8.0_520.61.05_linux.run安装时，在安装选项页面用回车和上下键仅选择安装驱动，不安装其他CUDA套件，如下图所示。其中，前面的“X”表示已选择的将要安装内容。
1.3 环境变量配置
待安装完成之后，采用如下命令进行环境变量设置。
export CUDA_HOME=/usr/local/cuda
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/lcoal/cuda-11.8/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
nvcc -V1.4 nvcc -V验证
运行nvcc -V命令时系统会输出如下结果，显示相应驱动版本号。如果提示“Command 'nvcc' not found, but can be installed with”，那么使用“apt install nvidia-cuda-toolkit”安装nvidia-cuda-toolkit即可。如果nvcc -V输出的版本号不对，那么请按照上一节重新设置并更新环境变量。
1.5 重启电脑
重启电脑后，运行“nvidia-smi”，如果提示“NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.”
解决方法如下：
（1）先通过“ls -l /usr/src/”查看驱动版本号，如下图最后一行“nvidia -v 520.61.05”。
（2）sudo dkms install -m nvidia -v 520.61.05
完成之后，输入nvidia-smi可查看cuda版本和GPU显存使用情况，如下图所示。
1.6 安装nvidia-container-toolkit
如果不安装nvidia-container-toolkit，那么创建docker时可能会报错“docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].”。安装方法请参考“https://www.cnblogs.com/dan-baishucaizi/p/15102419.html”，即：
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
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 && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker2 docker创建
docker容器是Linux下的虚拟机，并且在虚拟机下拥有root权限。这样既可以获取较高的权限，又可以避免对主机文件带来误操作。同一台主机上可以创建多个docker，并且每个docker中可安装不同版本CUDA，但是版本号不能高于主机CUDA驱动版本，否则可能会报错“CUDA driver version is insufficient for CUDA runtime version”。
2.1 docker安装
Docker命令一般需要sudo权限，即“sudo docker 命令内容”。如果系统提示没有docker命令，那么需要按照下面步骤安装docker。
# 更新
$ sudo apt-get update
# 安装最新的Docker
sudo apt-get install docker.io
# 启动
sudo systemctl enable docker
sudo systemctl start docker2.2 docker镜像
Docker查看系统镜像的方法为“docker images”，运行后会有如下页面，页面中含有镜像ID，即IMAGE ID。
我们可以通过docker pull来下载镜像，比如通过“docker pull ubuntu:18.04”下载基础的ubuntu 18.04镜像。下载完成后，可通过“docker images”命令进行查看，如上所述。
删除已有镜像的命令为“docker rmi IMAGE ID”。IMAGE ID不需要完整内容，只需输入前几个字符就可以了，例如“docker rmi 394”
2.3 docker命令
容器Container相当于是根据镜像安装的虚拟机。
(1) 我们可以使用docker images来列出本地主机上的镜像。
(2) 创建并运行docker容器：docker run -d -it -p 1088:8888 -p 1022:22 -p 1059:5900 -v /server/data:/docker/data --gpus all --shm-size="32g" ubuntu:18.04 /bin/bash
-p：docker端口映射，冒号前为主机端口号，冒号后为docker容器端口号。
-v：docker共享文件夹，冒号前为主机文件夹，冒号后为docker容器文件夹。
--gpus all：docker中可使用GPU。
--shm-size="32g"：docker默认的最大内存较小，这里修改为32G内存，可根据修改自行替换为其他值。
ubuntu:18.04：镜像名称，为docker images返回中的一个，根据需要进行替换。(3) 查看docker状态：docker ps -a，可查看docker状态，以及容器ID（countainerID）。
(4) 进入docker：docker exec -it countainerID /bin/bash，countainerID一般较长，只需前几个数字就可以了，系统会自动识别，与上面删除镜像的方法类似。
（5）停止docker，docker stop countainerID。
（6）启动docker，docker start countainerID，然后运行第（4）步进入docker。
（7）删除docker，docker rm countainerID，运行前先通过第（5）步停止docker。
(8) 清除全部已停止运行的docker，docker system prune。
2.4 docker创建镜像
创建镜像是指将本地的docker环境打包成镜像，便于环境复制或部署。提交镜像的命令如下所示。
docker commit OPTIONS countainerID 自定义镜像名称:TAG说明OPTIONS说明：
（1）-a :提交的镜像作者；
（2）-c :使用Dockerfile指令来创建镜像；
（3）-m :提交时的说明文字；
（4）-p :在commit时，将容器暂停。
镜像提交示例如下：
docker commit -a "rdfast" -m "aigc base" 2c5 aigc:v12.5 docker创建与运行示例
根据前文描述，我们主要运行下面三条命令进行docker创建与运行。
docker pull ubuntu:18.04
docker run -d -it -p 1088:8888 -p 1022:22 -p 1059:5900 -v /server/data:/docker/data --gpus all --shm-size="32g" ubuntu:18.04 /bin/bash
docker exec -it countainerID /bin/bash下文各种环境的安装可以在主机上运行，也可以在docker中进行，安装步骤和方法完全一致。
3 CUDA安装与验证
ChatGPT、Stable Diffusion等大模型属于相对较新的模型，所以依赖的Pytorch经常为torch1.12以上版本。相应的CUDA版本则至少为CUDA 11.3，并且显卡驱动对应的CUDA版本号不能小于CUDA库的版本号。由于上述主机已安装CUDA 11.8驱动，docker内安装不大于11.8版本的CUDA都是可以的。下面以CUDA 11.3安装为例。
3.1 容器内基本环境安装
以上docker的容器安装了一个基础的ubuntu 18.04系统，现在需要安装一些基本环境，命令如下所示。
apt-get update
apt-get install ssh vim gcc cmake build-essential -y3.2 CUDA驱动下载与安装
CUDA下载地址为“https://developer.nvidia.com/cuda-toolkit-archive”，页面如下所示，选择“CUDA Toolkit 11.3.0 (April 2021), Versioned Online Documentation”。
选择CUDA 11.3之后继续选择系统类型和下载文件，如下图所示。选择完成之后会显示出runfile下载地址和安装方式，即“wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run”和“sudo sh cuda_11.3.0_465.19.01_linux.run”。
输入sh cuda_11.3.0_465.19.01_linux.run安装时，在安装选项页面用回车和上下键选择安装内容，注意不要选择驱动（驱动已经在此之前安装过了），如下图所示。其中，前面的“X”表示已选择的将要安装内容。
3.3 环境变量配置
待安装完成之后，采用如下命令进行环境变量设置。
export CUDA_HOME=/usr/local/cuda
export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/lcoal/cuda-11.3/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
nvcc -V运行“nvcc -V”后输出如下内容。
3.4 CUDA安装验证
在命令行分别输入如下内容验证CUDA是否安装成功。
（1）cd /usr/local/cuda/samples/1_Utilities/deviceQuery
（2）make
（3）./deviceQuery
运行上述命令后，终端界面会有如下输出。如果终端界面最后输出“PASS”，则表示CUDA套件已经成功安装。
如果CUDA套件版本号大于驱动版本号，则有可能提示如下错误。
cudaGetDeviceCount returned 35
-> CUDA driver version is insufficient for CUDA runtime version
Result = FAIL4 CUDNN安装与验证
4.1 cuDNN下载
cuDNN安装文件下载官网地址为“https://developer.nvidia.com/rdp/cudnn-archive”，需要注册后才能下载。cuDNN版本依赖于CUDA架构版本，即需要与上一步安装的CUDA组件相对应。这里我们下载适合CUDA 11.3的cuDNN，即Download cuDNN v8.2.0 (April 23rd, 2021), for CUDA 11.x，并且系统版本为ubuntu 18.04（根据实际情况选择相应系统版本），如下图所示。
由于cuDNN需要注册登录账号才能下载，所以无法通过wget指令直接进行下载，需要通过浏览器页面下载对应安装文件。其中，cuDNN安装文件包括以下4个部分：
- cuDNN Library for Linux (x86_64)
- cuDNN Runtime Library for Ubuntu18.04 (Deb)
- cuDNN Developer Library for Ubuntu18.04 (Deb)
- cuDNN Code Samples and User Guide for Ubuntu18.04 (Deb)
4.2 cuDNN安装
Linux cuDNN库（cuDNN Library for Linux）是一个压缩文件，通过终端指令“tar -zxvf cudnn-11.3-linux-x64-v8.2.0.53.tgz”进行解压。cuDNN Library解压结果需要复制到CUDA安装目录，相应指令为“cp cuda/include/cudnn.h /usr/local/cuda/include/”、“cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/”。复制后的库文件需进一步增加权限，其指令为“chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*”。
剩下三个Deb文件（cuDNN Runtime Library for Ubuntu18.04(Deb)、cuDNN Developer Library for Ubuntu18.04(Deb)、cuDNN Code Samples and User Guide for Ubuntu18.04(Deb)）采用dpkg命令进行安装，分别输入指令“dpkg -i libcudnn8_8.2.0.53-1+cuda11.3_amd64.deb”、“dpkg -i libcudnn8-dev_8.2.0.53-1+cuda11.3_amd64.deb ”和“dpkg -i libcudnn8-samples_8.2.0.53-1+cuda11.3_amd64.deb”。
如果报如下不是软连接（not a symbolic link）的错，那么通过ln -sf命令逐一创建软连接即可。
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 is not a symbolic link解决方案如下：
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_infer.so.84.3 cuDNN安装验证
经过以上步骤，cuDNN相关文件已经全部完成安装，在命令行分别输入如下内容验证cuDNN是否安装成功。
（1）cd /usr/src/cudnn_samples_v8/mnistCUDNN/
（2）make clean && make
（3）./mnistCUDNN
运行上述命令后，终端界面会有如下输出。如果终端界面最后输出“Test passed”，则表示cuDNN套件已经成功安装。
如果提示如下错误，那么解决方法为“apt-get install libfreeimage3 libfreeimage-dev -y”。
rm -rf *orm -rf *o
rm -rf mnistCUDNN
CUDA_VERSION is 11030
Linking agains cublasLt = true
CUDA VERSION: 11030
TARGET ARCH: x86_64
HOST_ARCH: x86_64
TARGET OS: linux
SMS: 35 50 53 60 61 62 70 72 75 80 86
test.c:1:10: fatal error: FreeImage.h: No such file or directory
#include "FreeImage.h"
^~~~~~~~~~~~~
compilation terminated.
>>> WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.
5 conda Python环境安装
5.1 Python Miniconda安装
Python环境可以通过conda进行管理，相应的安装软件有Anaconda和Miniconda。相比之下，Miniconda是一款小巧的Python环境管理工具，安装包大约只有50MB。就管理Python环境而言，Miniconda和Anaconda的使用方式几乎没有任何区别。Miniconda安装文件的下载地址为“https://docs.conda.io/en/latest/miniconda.html”。
这里选择python 3.8版本，wget下载方式为“wget https://repo.anaconda.com/miniconda/Miniconda3-py38_23.1.0-1-Linux-x86_64.sh”。安装步骤如下，安装过程需要选择“yes or no”的地方均输入“yes”。
bash Miniconda3-py38_23.1.0-1-Linux-x86_64.sh
source ~/.bashrc5.2 conda使用
（1）查看安装包：conda list
（2）查看虚拟环境：conda env list
（3）创建虚拟环境：conda create -n env_name python=3.9
（4）安装包：conda install -n env_name [package]
（5）激活环境：conda activate env_name
5.3 jupyter notebook 安装
jupyter notebook是一种基于web的Python开发环境，可通过默认可“IP:8888”或“127.0.0.1:8888”或“localhost:8888”。如果docker创建时指定了主机端口映射，如“-p 1088:8888”，那么可将端口号替换成1088进行访问。主机允许端口号防火墙的命令为“sudo ufw allow端口号”。安装步骤及配置过程如下：
(1) 安装命令为“conda install jupyter notebook”。
(2) 生成配置文件，jupyter notebook --generate-config，运行该命令后会在根目录下生成配置文件，如“/root/.jupyter/jupyter_notebook_config.py”。修改配置文件中如下内容。端口号也可以在配置文件中进行修改。
c.NotebookApp.allow_remote_access = True
c.NotebookApp.allow_root = True
c.NotebookApp.ip = '0.0.0.0'(3) 设置登录密码，jupyter notebook password。
(4) 运行命令为“jupyter notebook”，但是关闭终端时会中断运行，可以采用nohup命令来保持运行，即“nohup jupyter notebook &”。
6 ssh服务安装与配置
以上docker 容器是通过命令“docker exec -it containerID /bin/bash”进入的，配置ssh服务后，docker也可以通过ssh直接远程访问。
- 安装ssh服务：apt-get update，apt-get install ssh -y。
- 启动服务：service ssh start。
- 关闭服务：service ssh stop。
- 注意事项：将/etc/ssh/sshd_config文件中PermitRootLogin 设为yes，否则有可能出现权限问题。
- 重启服务：service ssh restart。
- 查看服务是否正常运行：service ssh status。
- 为系统设置密码，命令为“passwd”。
这样就可以通过ssh访问docker了，如果docker创建时设置了1022端口映射，那么即可通过该端口进行ssh连接。
7 全部命令
docker pull ubuntu:18.04
docker run -d -it -p 1088:8888 -p 1022:22 -p 1059:5900 -v /server/data:/docker/data --gpus all --shm-size="32g" ubuntu:18.04 /bin/bash
docker exec -it containerID /bin/bash
apt-get update
apt-get install ssh vim gcc cmake build-essential -y
wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
sh cuda_11.3.0_465.19.01_linux.run
export CUDA_HOME=/usr/local/cuda
export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/lcoal/cuda-11.3/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
nvcc -V
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
make
./deviceQuery
tar -zxvf cudnn-11.3-linux-x64-v8.2.0.53.tgz
cp cuda/include/cudnn.h /usr/local/cuda/include/
cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
ln -sf /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.2.0 /usr/local/cuda-11.3/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
dpkg -i libcudnn8_8.2.0.53-1+cuda11.3_amd64.deb
dpkg -i libcudnn8-dev_8.2.0.53-1+cuda11.3_amd64.deb
dpkg -i libcudnn8-samples_8.2.0.53-1+cuda11.3_amd64.deb
apt-get install libfreeimage3 libfreeimage-dev -y
cd /usr/src/cudnn_samples_v8/mnistCUDNN/
make clean && make
./mnistCUDNN
wget https://repo.anaconda.com/miniconda/Miniconda3-py38_23.1.0-1-Linux-x86_64.sh
bash Miniconda3-py38_23.1.0-1-Linux-x86_64.sh
source ~/.bashrc
conda install jupyter notebook
jupyter notebook --generate-config
vi /root/.jupyter/jupyter_notebook_config.py
c.NotebookApp.allow_remote_access = True
c.NotebookApp.allow_root = True
c.NotebookApp.ip = '0.0.0.0'
jupyter notebook password
nohup jupyter notebook &
apt-get update
apt-get install ssh -y
service ssh start
service ssh stop
vi /etc/ssh/sshd_config
PermitRootLogin yes
service ssh restart
service ssh status
passwd