【Docker】Docker容器中安装python、cuda、cudnn、pytorch、opencv、tensor ...

以docker官方提供的 ubuntu:20.04为例
宿主机已经安装docker和nvidia驱动
安装 python3

1. # 通过镜像进入容器
2. docker run -it --gpus all --privileged=true --shm-size 8G  ubuntu:20.04 /bin/bash
4. # 安装sudo
5. apt-get update
6. apt-get install sudo
8. # 安装python3
9. sudo apt-get install -y python3
11. # 在终端运行以下命令检查python3是否安装成功，默认安装python3.8
12. python3
13. # exit()退出python3
15. # 用一下命令创建软连接后，在终端使用命令python 即可进入python3.8
16. ln -sf /usr/bin/python3  /usr/bin/python
17. # 安装pip
18. sudo apt-get install -y python3-pip
20. # 使用以下命令验证pip3是否安装成功
21. pip3

复制代码

冷知识：
apt-get install -y python3-pip命令中 -y 是一个常用选项，用于主动确认全部提示。这意味着在运行命令时，不会提示用户进行确认操作，体系会主动回答“是”并继承实验
安装cuda

cuda下载网址：https://developer.nvidia.com/cuda-toolkit-archive

1. # 首先使用nvidia-smi命令，在输出信息中 "CUDA Version"表示支持的最高cuda版本
2. # 确保宿主机已经安装nvidia驱动
3. nvidia-smi
5. # 进入cuda下载网址，选择需要安装的cuda版本，按照官方命令进行安装
6. sudo apt-get install -y wget
7. # 以cuda11.8为例，官方提供命令如下
8. wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
9. # 在执行sh命令时，会弹出两个窗口
10. # 1. accppt接受
11. # 2. Enter将第一项Driver去掉，然后Install
12. sudo sh cuda_11.8.0_520.61.05_linux.run
14. # 配置环境变量
15. sudo apt-get install -y vim
16. # 使用vim将 export两行添加到~/.bashrc最下面（注意要cuda路径）
17. sudo vim ~/.bashrc
18. export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
19. export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
20. # 更新环境变量
21. source ~/.bashrc

复制代码

测试cuda是否安装乐成：

1. nvcc -V

复制代码

安装cudnn

cudnn下载网址：https://developer.nvidia.com/rdp/cudnn-archive
选择与cuda版本对应的cudnn版本

1. # 在宿主机中使用docker cp 命令将cudnn安装包复制到容器/root/目录下(路径可自行定义)
2. docker cp cudnn-linux-x86_64-8.9.6.50_cuda11-archive.tar.xz  <容器ID>:/root/
3. # 在容器中使用tar命令解压，得到cudnn-linux-x86_64-8.9.6.50_cuda11-archive文件
4. tar -xf cudnn-linux-x86_64-8.9.6.50_cuda11-archive.tar.xz
5. # cd进入文件
6. cd cudnn-linux-x86_64-8.9.6.50_cuda11-archive
7. # 将include/cudnn.h文件复制到usr/local/cuda/include文件夹
8. sudo cp include/cudnn.h /usr/local/cuda-11.8/include
9. #将lib下所有文件复制到/usr/local/cuda/lib64文件夹中
10. sudo cp lib/libcudnn* /usr/local/cuda-11.8/lib64
11. # 添加读取权限
12. sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

复制代码

安装 pytorch

进入pytorch官网：https://pytorch.org/get-started/previous-versions/
找到对应的cuda版本安装命令进行安装
注意:

• 要找Linux体系下安装命令
  
• 由于没有安装conda，只能用pip命令安装
  

假如下载过慢，可使用国内镜像源安装：
豆瓣源：http://pypi.douban.com/simple/
清华源：https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云：http://mirrors.aliyun.com/pypi/simple/
中科大: https://pypi.mirrors.ustc.edu.cn/simple/

1. # 安装命令示例，以清华源为例，在官方提供的安装命令后面加上
2. # -i https://pypi.tuna.tsinghua.edu.cn/simple/ 即可
3. pip3 install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

复制代码

查抄cuda、cudnn安装是否乐成

使用pytorch查抄cuda和cudnn安装是否乐成

1. import torch
2. print(torch.version.cuda)
3. print(torch.backends.cudnn.version())
4. print(torch.cuda.is_available())

复制代码

安装opencv

ubuntu命令安装opencv

1. sudo apt update
2. sudo apt install libopencv-dev python3-opencv
3. sudo ln -s /usr/include/opencv4/opencv2 /usr/include/

复制代码

python pip 安装opencv

1. pip install opencv-python
2. pip install opencv-contrib-python

复制代码

安装Tensorrt

Tensorrt官方下载：https://developer.nvidia.com/tensorrt/download
Tensorrt官方安装：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-tar
注意：要与cuda版本对应
EA 版本代表抢先体验（在正式发布之前）
GA 代表通用性。 表现稳定版，经过全面测试
发起下载GA版本

1. # 本文下载版本：TensorRT 8.6 GA for Linux x86_64 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7 and 11.8 TAR Package
3. # 进行解压，解压后会得到TensorRT-8.6.1.6 文件
4. tar -zxvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar.gz
5. # 添加路径
6. export LD_LIBRARY_PATH=/root/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH

复制代码

使用sampleOnnxMNIST测试是否乐成：
https://github.com/NVIDIA/TensorRT/tree/main/samples/sampleOnnxMNIST

1. cd TensorRT-8.6.1.6/sample/sampleOnnxMNIS
2. make
3. cd ..
4. cd ..
5. cd bin
6. ./sample_onnx_mnist

复制代码

出现以下结果阐明安装乐成：

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。