Nvidia CUDA 开发环境 Docker 容器启用显卡
1. 准备 docker>19.03 环境，配置好 nvidia-container-toolkit 2. 确定本机已安装的显卡驱动版本，匹配需要的容器版本 3.Pull 基础 docker 镜像，可以从官方或者 dockerhub 下载 https://ngc.nvidia.com/catalog/containers/nvidia:cuda/tags https://gitlab.com/nvidia/container-images/cuda
cuda10-py36-conda 的 Dockerfile
FROM nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04
MAINTAINER Limc #close frontend
ENV DEBIAN_FRONTEND noninteractive
add cuda user#
--disabled-password = 不分配密码#
使用 root 组以兼容 OpenShift#
ENV CUDA_USER_NAME=cuda10
ENV CUDA_USER_GROUP=root
add user#
RUN adduser --system --group --disabled-password --no-create-home --disabled-login $CUDA_USER_NAME
RUN adduser $CUDA_USER_NAME $CUDA_USER_GROUP
安装基本依赖#
RUN apt-get update && apt-get install -y --no-install-recommends \
build-essential \
cmake \
git \
wget \
libopencv-dev \
libsnappy-dev \
python-dev \
python-pip \
#tzdata \
vim
为 python 安装 conda#
RUN wget --quiet https://repo.anaconda.com/miniconda/Miniconda3-py37\_4.8.2-Linux-x86\_64.sh -O ~/miniconda.sh && \
/bin/bash ~/miniconda.sh -b -p /opt/conda && \
rm ~/miniconda.sh
设置区域#
ENV LANG C.UTF-8 LC_ALL=C.UTF-8
ENV PATH /opt/conda/bin:$PATH
RUN ln -s /opt/conda/etc/profile.d/conda.sh /etc/profile.d/conda.sh && \
echo ". /opt/conda/etc/profile.d/conda.sh" >> ~/.bashrc && \
echo "conda activate base" >> ~/.bashrc && \
find /opt/conda/ -follow -type f -name '*.a' -delete && \
find /opt/conda/ -follow -type f -name '*.js.map' -delete && \
/opt/conda/bin/conda clean -afy
copy entrypoint.sh#
#COPY ./entrypoint.sh /entrypoint.sh
install#
#ENTRYPOINT ["/entrypoint.sh"]
初始化工作区#
COPY ./app /app
创建工作目录#
WORKDIR /app
如果需要，更新 pip#
#RUN pip install --upgrade --no-cache-dir pip
安装 gunicorn#
RUN pip install --no-cache-dir -r ./requirements.txt#
使用 conda 安装#
#RUN conda install --yes --file ./requirements.txt
RUN while read requirement; do conda install --yes $requirement; done < requirements.txt
copy entrypoint.sh#
COPY ./entrypoint.sh /entrypoint.sh
install#
ENTRYPOINT ["/entrypoint.sh"]
切换到非 root 用户#
USER $CUDA_USER_NAME
运行容器 Makefile
IMG:=`cat Name`
GPU_OPT:=all
MOUNT_ETC:=
MOUNT_LOG:=
MOUNT_APP:=-v `pwd`/work/app:/app
MOUNT:=$(MOUNT_ETC) $(MOUNT_LOG) $(MOUNT_APP)
EXT_VOL:=
PORT_MAP:=
LINK_MAP:=
RESTART:=no
CONTAINER_NAME:=docker-cuda10-py36-hello
echo:
echo $(IMG)
run:
docker rm $(CONTAINER_NAME) || echo
docker run -d --gpus $(GPU_OPT) --name $(CONTAINER_NAME) $(LINK_MAP) $(PORT_MAP) --restart=$(RESTART) \
$(EXT_VOL) $(MOUNT) $(IMG)
run_i:
docker rm $(CONTAINER_NAME) || echo
docker run -i -t --gpus $(GPU_OPT) --name $(CONTAINER_NAME) $(LINK_MAP) $(PORT_MAP) \
$(EXT_VOL) $(MOUNT) $(IMG) /bin/bash
exec_i:
docker exec -i -t --name $(CONTAINER_NAME) /bin/bash
stop:
docker stop $(CONTAINER_NAME)
rm: stop
docker rm $(CONTAINER_NAME)
Entrypoint.sh
set -e
如果需要，添加 python 作为命令#
if [ "${1:0:1}" = '-' ]; then
set -- python "$@"
fi
如果我们正在运行 gunicorn，则放弃 root 权限#
允许容器以--user启动#
if [ "$1" = 'python' -a "$(id -u)" = '0' ]; then
# 将用户可变目录的所有权更改为 gunicorn
for path in \
/app \
/usr/local/cuda/ \
; do
chown -R cuda10 "$path"
done
set -- su-exec python "$@"
#exec su-exec elasticsearch "$BASH\_SOURCE" "$@"
fi
由于参数与 gunicorn 无关，#
因此假设用户想要运行自己的进程，#
例如一个bash shell 来探索这个镜像#
exec "$@"
几个注意点 1. 显卡运行需要 root 用户权限，否则会出现以下， docker: Error response from daemon: OCI runtime create failed: container_linux.go:345 考虑安全性可以在容器内创建新用户并加入到 root 组 2. 本机显卡驱动和 CUDA 必须匹配官方容器的版本，cudnn 则不需要匹配，可以使用多个不同版本的 cudnn，但是必须满足显卡要求的使用范围 3.docker 运行容器非正常结束时会占用显卡，如果卡死，会造成容器外部无法使用，重启 docker-daemon 也无效，这时只能重启电脑