Docker：使用Nvidia官方的pytorch、tensorflow、TensorRT镜像创建Container容器

原创 已于 2024-02-12 23:31:53 修改 · 2.6k 阅读 · 28
标签
#docker #pytorch #容器
于 2024-02-12 16:40:21 首次发布
本文介绍了如何通过Docker的容器技术解决开发环境安装问题，特别是对于需要GPU支持的深度学习项目。作者详细描述了创建包含Python3.8、CUDA12.1等库的NVIDIA官方镜像容器的步骤，包括设置环境变量、GPU分配和文件挂载，以简化环境配置过程。

文章目录

前言

相信大家在学习新的知识前都遇到过开发环境安装不上，或者环境冲突和版本不匹配的情况，另外当我们想要安装多个版本的支持库时，在本地环境上直接安装往往会导致版本冲突的情况，如果我们使用虚拟机或者WSL技术新建一个完整系统，这又往往需要耗费很长时间，同时在我们学习深度学习等相关技术时，我们需要使用到显卡进行计算，虚拟机调用显卡很不方便，同时CUDA、cuDNN、cuBLAS、TensorRT等GPU计算支持库都有强版本依赖，手动安装需要耗费很长时间，因此本文介绍通过docker的容器技术来实现使用Nvidia官方提供的镜像库创建 container容器。

一、前期准备

本文将以创建一个包含python=3.8、CUDA=12.1、cuBLAS=12.1 、cuDNN=8.9、TensorRT=8.6.1、pytorch的container为例，介绍使用docker创建各种深度学习开发环境的详细流程。下面是Nvidia Container Toolkit的官方链接。

Installing the NVIDIA Container Toolkit — NVIDIA Container Toolkit 1.14.

最低0.47元/天 解锁文章
Docker-Nvidia(NVIDIA Container Toolkit)
周陽讀書
07-16 3736
安装NVIDIA Container Toolkit工具，支持docker使用GPU。
NVIDIA官方Docker镜像实战：快速搭建PyTorch、TensorFlow与TensorRT开发环境
weixin_29304021的博客
01-25 329
本文详细介绍了如何使用NVIDIA官方Docker镜像快速搭建PyTorch、TensorFlow与TensorRT开发环境。通过NVIDIA NGC提供的预构建镜像，开发者可以轻松解决CUDA、cuDNN等组件的版本兼容性问题，实现开箱即用的GPU支持。文章包含环境配置、镜像使用技巧及常见问题排查指南，帮助开发者高效部署深度学习开发环境。
nvidia-docker配置深度学习环境服务器（cuda+cudnn+anaconda+python）
热门推荐
冰雪棋书的博客
12-08 4万+
1、查看内存：free -lh 2、内核：uname 3、显卡：nvidia-smi 4、cuda版本：nvcc -V 5、sudo nvidia-docker run 6、rancher 查看NVIDIA-Docker版本和docker版本：nvidia-docker version
在服务器部署Nvidia-Docker全流程，附Dockerfile
weixin_44455827的博客
03-28 7221
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，用户可以自定义介入密码，安全性更高。本文分别给出了当前版本基于镜像与Dockerfile在服务器部署Nvidia-Docker的全部流程，推荐使用dockerfile。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，原因是exec时自动加了一些环境变量。修改ssh文件信息，允许root用户使用ssh登录。
Win10下NVIDIA Container狂吃CPU？别急着卸载驱动，试试这个“重启服务”大法
最新发布
weixin_42546392的博客
05-11 479
本文针对Win10系统中NVIDIA Container进程异常占用CPU的问题，提供了一种快速有效的解决方案。通过重启NVIDIA Display Container LS服务，用户可以轻松解决高CPU占用问题，避免不必要的驱动重装或系统重装。文章详细介绍了操作步骤、原理分析及预防措施，帮助用户高效恢复系统性能。
pytorch学习
lantuxin的博客
02-19 5471
1.pytorch环境配置(docker) docker环境--配置过程(配置成功--能使用nvidia-docker命令) 拉取pytorch镜像--参考网站(命令--docker pull nvcr.io/nvidia/pytorch:19.01-py3) 启动docker容器--参考网站(命令--sudo nvidia-docker run -it --rm -v local_dir:...
从零到一：如何利用NVIDIA官方Docker镜像快速搭建深度学习开发环境
weixin_29217235的博客
01-28 642
本文详细介绍了如何利用NVIDIA官方Docker镜像快速搭建深度学习开发环境，解决CUDA、cuDNN、TensorRT等依赖库的版本冲突问题。通过预配置的PyTorch、TensorFlow和TensorRT镜像，开发者可以跳过繁琐的环境配置，直接进入模型开发。文章还提供了环境准备、镜像选择、容器启动及验证的完整指南，帮助初学者高效搭建GPU加速的深度学习环境。
Docker与GPU加速：揭秘NVIDIA容器工具包在深度学习中的高效应用
nft7creator的博客
02-03 559
本文深入探讨了Docker与NVIDIA容器工具包在深度学习中的高效应用，详细介绍了如何通过NVIDIA容器工具包实现GPU加速，解决CUDA、cuDNN等依赖库的版本冲突问题。文章涵盖了核心配置、性能调优、多框架支持及高级应用场景，为开发者提供了实用的技术指导和优化建议。
dockers、nvidia-dicker、nvidia-container-toolkit踩坑记
m9_743106469350的博客
04-11 7441
关于深度学习项目的docker部署踩坑记录，主要用来告诉大家一件事情，安装nvidia-container-toolkit而不是nvidia-docker，不要浪费时间在找没用的帖子身上，食用方式，一只手握住鼠标，一只手握住一杯卡布奇诺，嘶。。。
深度学习docker环境配置之nvidia-docker安装使用
qq_41776453的博客
03-27 2万+
docker容器技术–。：Anaconda用于隔离不同的python环境；docker可以理解成在你的机器里面安装了一个独立的系统，因此它可以隔离不同的CUDA环境，还有着独立的文件系统，防止别人删掉你的实验和环境等。
基于docker-compose和ngc cloud快速创建指定pytorch版本的jupyter-lab环境
Farm_Coder的博客
11-23 3422
基于docker-compose和ngc cloud创建jupyter-lab环境简介找到想要的容器文件目录Dockerfiledocker-compose.ymlrun.shdocker-compose构建镜像及启动容器容器的访问ssh访问浏览器访问upyter lab 简介 本博客以构建指定版本的pytorch运行环境为例，给出Dockerfile、docker-compose.yml以及启动容器的运行脚本。 找到想要的容器 从中 https://docs.nvidia.com/deeplearning
Nvidia-docker的基础使用方法
qq_43650421的博客
01-16 4444
nvidia-docker使用方法
nvidia-docker安装教程【笔记】
qq_23022733的博客
06-14 1548
后来仅把11.4改成11.4.0，就可以正常安装，，在这一步如下图出现了问题，出现的问题也如下，
Ubuntu NVIDIA-Docker安装
月照银海似蛟龙的博客
04-19 5811
Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows操作系统的机器上，也可以实现虚拟化。NVIDIA 改进了原始的Docker，便于容器使用NVIDIA GPU。由于仿真环境的配置需要安装很多库，对于新手不太友好，因此我们提供了Docker镜像，便于开发者使用。尽管Docker理论上适配多种操作系统，但由于后续算法开发仍建议在本地进行，因此操作系统仍需使用Ubuntu。
NVIDIA PyTorch Docker 镜像安装
星辰火之梦
01-15 3664
是一个 NVIDIA 提供的 PyTorch Docker 镜像，其中包含了 PyTorch 以及与 NVIDIA GPU 相关的库，这个过程可能会需要一些时间，取决于你的网络速度和镜像大小。运行此命令后，你将进入容器的 bash shell。表示将容器的8888端口映射到宿主机的8888端口，这样就能从宿主机访问容器中的服务。参数指定使用所有可用的 GPU，如果你想使用特定的 GPU，可以例如使用。如果需要挂载宿主机的目录到容器中，可以使用。如果想要使用指定的端口，需要增加。表示这个镜像的版本号，
docker以及nvidia-docker的安装、移植以及使用案例
cai13502119775的博客
10-17 2586
详细描述docker 、nvidia-docker的安装步骤，通过案例描述docker的基本使用命令，包含docker 创建、移植、加载等。文档真实案例编写，亲测可用，傻瓜式教程，直接复制即可成功安装
【Tools】NGC Pytorch使用
cheerful090的博客
01-14 3705
NGC：Nvidia Gpu Container https://www.nvidia.cn/gpu-cloud/deep-learning-containers/ NVIDIA GPU Cloud (NGC) NGC 提供的高性能 AI 容器包含 TensorFlow、PyTorch 和 MXNet 等深度学习框架，可以为 AI 研究人员提供诸多帮助。这些预先集成的 GPU 加速框架以及诸如 CUDA 运行时库、NVIDIA 库和操作系统之类的所有必要相关项都由 NVIDIA 进行了调整、测试和验证，现
docker简单使用
weixin_46455141的博客
06-30 1471
docker简单使用
使用 Docker + NVidia 运行 Pytorch 验证 GPU 是否真的有效
ndscvipuser的专栏
03-11 4173
继续带 GPU 干活之旅，完成先决条件的理解与深入。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值