200219 docker安装nvidia-docker | nvidia-container-toolkit

终于安装配置完成了ubuntu+docker+tensorflow-gpu+jupyter的全部环境

总体过程挺曲折，花费了近一周的业余时间，但是边学边干，安装的过程也是学习的过程，收获很大

本文记录一下最杂乱的地方，就是nvidia-docker的安装，本身安装不难，杂乱是因为nvidia-docker有好几个版本，最新版nvidia-container-toolkit的资料相当少

最新版的nvidia-docker就是nvidia-container-toolkit，比nvidia-docker2更加优秀。官方的解释是"Usage of nvidia-docker2 packages are deprecated since NVIDIA GPUs are now natively supported as devices in the Docker runtime"。（机翻：不赞成使用nvidia-docker2包，因为nvidia GPU现在在Docker运行时本机作为可支持设备）

nvidia-container-toolkit需要主机已安装当前新版的docker 19.03

使用nvidia-container-toolkit的最大优点：linux主机不需要安装cuda和cudnn，仅安装显卡驱动即可(tensorflow和nvidia-docker官方均强调这一点)

我的系统配置：

OS：Ubuntu18.04 64 bit（直接用‘软件和更新’安装显卡驱动）

显卡：NVidia GTX 20**

docker ce v19.03

image:tensorflow/tensorflow：latest-gpu-py3（tf2.1-gpu，python3.6.9）

安装过程：

从终端运行docker

#Add the package

repositoriesdistribution=$(. /etc/os-release;echo$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.listsudo

apt-get update&&sudo apt-get install -y nvidia-container-toolkitsudo

systemctl restart docker

#安装完毕

#新开tf-gpu容器

sudo docker run --gpus all -it ImageName bash

# --gpus all意思是使用所有gpu进行加速，很多深度学习的主机有多个gpu

#在python中验证gpu是否生效

>>> import tensorflow as tf

>>> tf.config.list_physical_devices('GPU')

输入如下：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

安装完成

nvidia-docker官方github，特别值得参考：https://github.com/NVIDIA/nvidia-docker