在服务器摆设Nvidia-Docker全流程，附Dockerfile

在服务器摆设Nvidia-Docker全流程，附Dockerfile

在服务器使用docker可以使管理员能够对服务器用户进行更便捷的管理，相比于基于anaconda环境的管理，用户之间不共享工作空间，管理员只对用户暴露服务器端口和数据集，用户可以自界说参与密码，安全性更高。Nvidia-Docker已经更新至Nvidia-Container-Toolkit，使用更加轻便。本文分别给出了当前版本基于镜像与Dockerfile在服务器摆设Nvidia-Docker的全部流程，推荐使用dockerfile。

主机依赖安装

Docker安装

扫除现有的docker相干包

• for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done
  

设置apt的docker堆栈

1. # Add Docker's official GPG key:
2. sudo apt-get update
3. sudo apt-get install ca-certificates curl
4. sudo install -m 0755 -d /etc/apt/keyrings
5. sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
6. sudo chmod a+r /etc/apt/keyrings/docker.asc
8. # Add the repository to Apt sources:
9. echo \
10.   "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
11.   $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
12.   sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
13. sudo apt-get update

复制代码

安装最新版docker

• sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
  

验证安装

• sudo docker run hello-world
  

Nvidia-docker安装

设置apt堆栈

1. curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
2.   && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
3.     sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
4.     sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
5. sudo apt-get update

复制代码

安装Nvidia Container Toolkit

• sudo apt-get install -y nvidia-container-toolkit
  

配置Docker

• sudo nvidia-ctk runtime configure --runtime=docker
  

重启Docker

• sudo systemctl restart docker
  

制作通用的nvidia-docker 镜像

拉取镜像

• docker pull nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04
  
  
  
  • 注意拉取带cudnn，devel版本的镜像，否则没有nvcc
    
  
  

检察镜像id

• docker images
  

删除镜像

• docker rmi [IMAGE ID]
  

创建nvidia-docker 容器

• sudo docker run -dit --runtime=nvidia --gpus all -p [CUSTOMIZE PORT]:22 -v /dataset:/dataset --privileged=true --name=[CONTAINER NAME] [IMAGES ID]
  
  
  
  • -dit：后台运行，分配interactive terminal
    
  • --gpus：可以使用以下参数：all,none,0,1,2
    
  
  

检察container id

• docker ps -a
  

进入container

• sudo docker exec -it [CONTAINER ID] /bin/bash
  
• 检查cuda与nvidia driver
  
  
  
  • nvcc -V
    
  • nvidia-smi
    
  
  

Container 操作

• 启动：sudo docker start [CONTAINER ID]
  
• 停止：sudo docker stop [CONTAINER ID]
  
• 重启：`sudo docker restart [CONTAINER ID]
  
• 容器内退出：exit
  

配置container的ssh服务

• apt-get update
  
• apt-get install openssh-server
  
• apt-get install openssh-client
  
• apt-get install ssh
  
• apt-get install vim
  

SSH配置

修改ssh文件信息，允许root用户使用ssh登录。

• vim /etc/ssh/sshd_config
  
• insert i
  
  
  
  • PermitRootLogin yes
    
  
  
• :wq
  

重启ssh

• /etc/init.d/ssh restart
  

设置毗连密码

• passwd
  %% ### 设置开机自启动SSH服务
  
• vim /root/.bashrc
  
• 插入：service ssh start %%
  

注意：

出现现象在exec时添加进容器的环境变量在通过ssh启动时找不到，缘故原由是exec时自动加了一些环境变量。解决方案就是改.bashrc，把丢失的环境变量加上。

• vim ~/.bashrc
  
• 在最后加入
  
  
  
  • export PATH="/usr/local/cuda/binPATH"
    
  • export LD_LIBRARY_PATH="/usr/local/cuda/lib64LD_LIBRARY_PATH"
    
  
  

安装Anaconda

• 首先从官网得到Anaconda for Linux的安装链接
  
• 使用wget下载，wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
  
• 使用bash安装，bash Anaconda3-2024.02-1-Linux-x86_64.sh
  
• 将conda写入环境变量
  
  
  
  • vim ~/.bashrc
    
  • 插入
    
    
    
    • export PATH="~/anaconda3/bin"PATH
      
    • source ~/anaconda3/bin/activate
      
    
    
  • source ~/.bashrc
    
  
  

打包镜像

• docker commit -a 'LiSH' [CONTAINER ID] [IMAGE NAME]:[VERSION]
  

新用户使用镜像制作自己的容器

镜像名称ubuntu20.04_cuda_11.4_cudnn8_anaconda

• sudo docker run -dit --runtime=nvidia --gpus all -p [CUSTOMIZE PORT]:22 -v /dataset:/dataset --privileged=true --name=[CONTAINER NAME] ubuntu20.04_cuda_11.4_cudnn8_anaconda:v0.1
  

Dockerfile

1. # Basic Image
2. FROM nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04
4. # Description
5. LABEL name="ubuntu20.04 cuda11.4 cudnn8"
6. LABEL version="1.0"
7. LABEL author="LiSH"
8. LABEL mail="li.shanghong.0222@gmail.com"
10. # Update
11. RUN apt-get update \
12.         && apt-get install -y vim \
13.         && apt-get install htop
14.        
15. # Config SSH
16. RUN DEBIAN_FRONTEND=noninteractive apt-get install -y openssh-server \
17.     && sed -i 's/#PermitRootLogin prohibit-password/PermitRootLogin yes/g' /etc/ssh/sshd_config \
18.     && sed -i '$a service ssh restart' ~/.bashrc \
19.     && echo 'root:0222'|chpasswd
21. # Install Anaconda
22. RUN wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh \
23.     && bash Anaconda3-2024.02-1-Linux-x86_64.sh -b -p /opt/conda \
24.     && sed -i '$a export PATH="/opt/conda/bin:$PATH"' ~/.bashrc \
25.     && sed -i '$a source /opt/conda/bin/activate' ~/.bashrc
27. # Config Cudnn
28. RUN sed -i '$a export PATH="/usr/local/cuda/bin:$PATH"' ~/.bashrc \
29.     && sed -i '$a export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"' ~/.bashrc \
30.     && sed -i '$a cd /' ~/.bashrc

复制代码

注意

• 当使用Dockerfile构建docker时，执行下令apt-get install -y openssh-server时，会安装tzdata
  
• tzdata从2018开始，安装过程采用交互式，要求指定Geographic area和Time zone
  
• 解决方法：在下令前添加DEBIAN_FRONTEND=noninteractive
  
• 即执行DEBIAN_FRONTEND=noninteractive apt-get install -y openssh-server
  

使用Dockerfile构建镜像

• docker build -f Dockerfile -t [IMAGE NAME] ./
  

从Dockerfile构建的镜像创建容器

• 检察镜像docker images，获取image id
  
• sudo docker run -dit --runtime=nvidia --gpus all -p [CUSTOMIZE PORT]:22 -v /dataset:/dataset --privileged=true --name=[CONTAINER NAME] [IMAGES ID]
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。