CentOS7NvidiaDocker环境如何搭建

本文小编为大家详细介绍“CentOS7 Nvidia Docker环境如何搭建”，内容详细，步骤清晰，细节处理妥当，希望这篇“CentOS7 Nvidia Docker环境如何搭建”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

创新互联建站专业为企业提供临川网站建设、临川做网站、临川网站设计、临川网站制作等企业网站建设、网页设计与制作、临川企业网站模板建站服务，十余年临川做网站经验，不只是建网站，更提供有价值的思路和整体网络服务。

环境：

系统：centos7 7.4 1708

显卡：nvidia 1080ti

下载所有需要的东东

1、docker-ce yum repo :

2、nvidia-docker yum repo :

3、nvidia cuda yum repo :

4、nvidia cudnn :

这个东西需要注册nvidia账号，就不给直接下载地址了。

5、nvidia驱动

按自己的显卡型号下载

6、nvidia docker file :

这里面可以看到很多dockerfile，选择

9.0-base-centos7 (9.0/base/dockerfile)

其他的cuda9.1这些应该也可以用，另外有像devel和runtime这样的，其实就是yum安装的cuda包不太一样，没多大关系。

点进去后复制下来保存为dockerfile文件，但是之后搞的时候发现有点问题，修改了一下，可以从这儿复制

from centos:7

label maintainer "nvidia corporation "

run nvidia_gpgkey_sum=d1be581509378368edeec8c1eb2958702feedf3bc3d17011adbf24efacce4ab5 && \

  curl -fssl https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/7fa2af80.pub | sed '/^version/d' > /etc/pki/rpm-gpg/rpm-gpg-key-nvidia && \

  echo "$nvidia_gpgkey_sum /etc/pki/rpm-gpg/rpm-gpg-key-nvidia" | sha256sum -c --strict -

#copy cuda.repo /etc/yum.repos.d/cuda.repo

env cuda_version 9.0.176

env cuda_pkg_version 9-0-$cuda_version-1

#run yum install -y \

#    cuda-cudart-$cuda_pkg_version && \

#  ln -s cuda-9.0 /usr/local/cuda && \

#  rm -rf /var/cache/yum/*
# nvidia-docker 1.0

label com.nvidia.volumes.needed="nvidia_driver"

label com.nvidia.cuda.version="${cuda_version}"

run echo "/usr/local/nvidia/lib" >> /etc/ld.so.conf.d/nvidia.conf && \

  echo "/usr/local/nvidia/lib64" >> /etc/ld.so.conf.d/nvidia.conf

env path /usr/local/nvidia/bin:/usr/local/cuda/bin:${path}

env ld_library_path /usr/local/nvidia/lib:/usr/local/nvidia/lib64

# nvidia-container-runtime

env nvidia_visible_devices all

env nvidia_driver_capabilities compute,utility

env nvidia_require_cuda "cuda>=9.0"

所有的文件

[root@localhost nvidia]# pwd
/root/nvidia
[root@localhost nvidia]# ll
total 420000
drwxr-xr-x. 2 root root   4096 feb 10 10:50 centos-gpu
-rw-r--r--. 1 root root   3335 jan 29 10:36 cuda-repo-rhel7-9.1.85-1.x86_64.rpm
-rw-r--r--. 1 root root 348817823 feb 6 16:26 cudnn-9.0-linux-x64-v7.tgz
-rw-r--r--. 1 root root   2424 feb 9 10:36 docker-ce.repo
-rw-r--r--. 1 root root    796 feb 9 17:11 nvidia-docker.repo
-rwxr-xr-x. 1 root root 81242220 jan 31 14:19 nvidia-linux-x86_64-390.25.run

centos-gpu里有dockerfile文件

准备工作

直接上命令，一看就明白

[root@localhost nvidia]# cp docker-ce.repo nvidia-docker.repo /etc/yum.repos.d/
[root@localhost nvidia]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm
[root@localhost nvidia]# yum install epel-release
[root@localhost nvidia]# yum install gcc gcc-c++

[root@localhost nvidia]# yum install kernel*

安装驱动

[root@localhost nvidia]# echo "blacklist nouveau" >>/etc/modprobe.d/blacklist.conf
[root@localhost nvidia]# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak dracut -v /boot/initramfs-$(uname -r).img $(uname -r) 
[root@localhost nvidia]# init 3 
[root@localhost nvidia]# chmod +x nvidia-linux-x86_64-390.25.run 
[root@localhost nvidia]# ./nvidia-linux-x86_64-390.25.run

大概步骤就是这样，如果出现问题，可以直接网上找一找，应该不会太难

安装和启动docker

[root@localhost nvidia]# yum install docker-ce nvidia-docker
[root@localhost nvidia]# systemctl enable docker
[root@localhost nvidia]# systemctl start docker
[root@localhost nvidia]# systemctl enable nvidia-docker
[root@localhost nvidia]# systemctl start nvidia-docker

记得显卡驱动一定要先装好，nvidia-docker才能正常启动

制作docker镜像

[root@localhost nvidia]# yum install cuda-cudart-9-0-9.0.176-1
[root@localhost nvidia]# ln -s cuda-9.0 /usr/local/cuda
[root@localhost nvidia]# nvidia-docker build -t centos-nvidia /root/nvidia/centos-gpu

如果你是用的我修改的dockfile应该不会有什么问题，如果你是用的原版的，可能会在

#copy cuda.repo /etc/yum.repos.d/cuda.repo

出错，但是咱们已经下载cuda 的 repo，并安装了，所以这一步可以不用。

镜像制作结束后，可以用命令 docker images 查看一下：

[root@localhost centos-gpu]# docker images
repository       tag         image id      created       size
centos-nvidia      latest       a02c8e0ad5ca    2 hours ago     207mb

如果有这一行应该就算是成功了。

生成docker

[root@localhost centos-gpu]# nvidia-docker run --name="centos-gpu2" -ti a02c /bin/bash
[root@34d532e76913 /]# nvidia-smi 
sat feb 10 03:42:20 2018    
+-----------------------------------------------------------------------------+
| nvidia-smi 390.25         driver version: 390.25          |
|-------------------------------+----------------------+----------------------+
| gpu name    persistence-m| bus-id    disp.a | volatile uncorr. ecc |
| fan temp perf pwr:usage/cap|     memory-usage | gpu-util compute m. |
|===============================+======================+======================|
|  0 geforce gtx 108... off | 00000000:02:00.0 off |         n/a |
| 23%  17c  p8   8w / 250w |   10mib / 11178mib |   0%   default |
+-------------------------------+----------------------+----------------------+
                                        
+-----------------------------------------------------------------------------+
| processes:                            gpu memory |
| gpu    pid  type  process name               usage   |
|=============================================================================|
| no running processes found                         |
+-----------------------------------------------------------------------------+
[root@34d532e76913 /]# exit

如果类似于上面的输出结果，差不多就可以了。

使用docker

[root@localhost centos-gpu]# nvidia-docker ps -a
container id    image        command       created       status           ports        names
34d532e76913    a02c        "/bin/bash"     3 minutes ago    exited (0) 12 seconds ago            centos-gpu2
d16c2db2bf2e    a02c        "/bin/bash"     2 hours ago     exited (0) 19 minutes ago            centos-gpu
370671db8df1    3afd        "/bin/bash"     19 hours ago    exited (137) 3 hours ago            centos-dronemap
[root@localhost centos-gpu]# nvidia-docker start 34d5
34d5
[root@localhost centos-gpu]# nvidia-docker cp /root/nvidia/cuda-repo-rhel7-9.1.85-1.x86_64.rpm 34d532e76913:/root
[root@localhost centos-gpu]# nvidia-docker exec -ti 34d5 /bin/bash
[root@34d532e76913 /]# cd
[root@34d532e76913 ~]# ls
anaconda-ks.cfg cuda-repo-rhel7-9.1.85-1.x86_64.rpm
[root@34d532e76913 ~]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm 
warning: cuda-repo-rhel7-9.1.85-1.x86_64.rpm: header v3 rsa/sha512 signature, key id 7fa2af80: nokey
preparing...             ################################# [100%]
updating / installing...
  1:cuda-repo-rhel7-9.1.85-1     ################################# [100%]
[root@34d532e76913 ~]# yum install cuda-*9-0*

这里需要注意的是类似于 34d532e76913 这样的编号，是docker自动生成的，运行的时候需要修改一下。

到目前基本上cuda的环境就搭建好了。

tensorflow

把下载的cudnn包用docker cp复制到docker中，解压下来，将里面的lib64路径添加到 /etc/ld.so.conf.d/nvidia.conf 中，运行ldconfig，就ok了。

上面的环境好了以后，再安装python等等软件，这就不说了。之后tensorflow的一些例子就可以在docker里运行了。当然你得安装gpu版本的，才能发挥显卡的威力。

读到这里，这篇“CentOS7 Nvidia Docker环境如何搭建”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注创新互联行业资讯频道。