Skip to main content

centos 安装 nvidia-docker

· 3 min read

centos 安装 nvidia-docker 并测试 tensorflow 和 pytorch

docker环境​

如果系统没有环境，就安装环境。已经有了环境，最好升级到最新版本。

安装docker​

  • 安装yum工具
$ sudo yum install -y yum-utils \
  device-mapper-persistent-data \
  lvm2
  • 增加docker仓库到yum中
$ sudo yum-config-manager \
    --add-repo \
    https://download.docker.com/linux/centos/docker-ce.repo
  • 安装docker
$ sudo yum install docker-ce docker-ce-cli containerd.io
  • 启动docker
$ sudo systemctl start docker
  • 配置自启动
$ sudo systemctl enable docker
  • 测试安装情况
$ docker --version

升级docker版本​

$ sudo yum upgrade docker-ce docker-ce-cli containerd.io

升级docker版本的时候请注意，会导致已经创建的容器无法启用，需要重新创建容器。

安装 nvida-docker​

$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo

$ sudo yum install -y nvidia-container-toolkit
$ sudo systemctl restart docker
  • 测试
$ docker run --rm --gpus all nvidia/cuda:9.0-base nvidia-smi

如果打印出下方类似的图片，也就是目前的宿主机的GPU，就说明安装正常。

可能出现的问题​

安装 nvidia-container-toolkit 的时候报错 [Errno -1] repomd.xml signature could not be verified for libnvidia-container​

修改 /etc/yum.repos.d/nvidia-docker.repo 文件 repo_gpgcheck 设置为0.

tensorflow测试​

  • 创建一下临时的docker容器，并进入容器的运行环境。
@ docker run --rm -it --gpus all  tensorflow/tensorflow:1.15.0-gpu-py3 bash

运行python进入环境，并执行下面来自官网的代码例子。

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

试试看能代码能够正常运行下去。

pytorch测试​

  • 创建一下临时的docker容器，并进入容器的运行环境。
@ docker run --rm -it --gpus all  pytorch/pytorch:1.3-cuda10.1-cudnn7-runtime bash

运行python进入环境，并执行下面来自官网的代码例子。

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

试试看能代码能够正常运行下去。