问题标签 [nvidia-docker]

我正在多 GPU 服务器上设置内部 Jupyterhub。Jupyter 访问是通过 docker 实例提供的。我想将每个用户的访问权限限制为不超过一个 GPU。我很感激任何建议或评论。谢谢。

我想用 docker-compose 运行 2 个 docker 镜像。

一个图像应该使用 nvidia-docker 运行，另一个使用 docker 运行。

我已经看到这篇文章使用 nvidia-docker-compose 启动了一个容器，但很快就退出了，但这 对我不起作用（甚至只运行一个图像）......

任何想法都会很棒。

有什么方法可以使用nvidia-dockerwithNomad吗？

Nvidia 上的计算程序可以在本地工作，但不能正常工作nvidia-docker（它使用 CPU 而不是 GPU）。

这样做的首选方法是什么？

• 使用nvidia-docker驱动程序Nomad
• 使用 rawdocker exec运行nvidia-docker
• 以某种方式连接Nomad到nvidia-docker引擎

有没有人有这方面的经验？

我编写了一个 Dockerfile 来构建我的 QT 应用程序，但我在构建时遇到了一些问题。

如果 build 命令在 Dockerfile 上，则会出现以下错误：

我添加了一个符号链接来解决临时容器上的这个错误：

但是当我添加该行并再次构建时，我仍然遇到同样的错误。

首先我认为这是因为悬挂图像的一些缓存但清理所有问题仍然存在。

这是我的一些 ENV 键：

这是我为消除其他错误所做的一些“技巧”：

我在最后一个版本 Docker 版本 17.03.1-ce 上使用 nvidia cuda 8 image + nvidia docker。

我认为 Dockerfile 编译过程和容器运行时之间没有任何区别。

我有一个使用 cudnn 支持编译的带有 Caffe 的 Docker 映像。CUDA 和所有其他依赖项已正确安装在映像中，并且在nvidia-docker用于从主机提供驱动程序时可以正常工作。

我想在不使用的情况下运行相同的图像nvidia-docker，只需将 Caffe 设置为 CPU 模式。但是，当我这样做时，我仍然看到无法找到正确的 Nvidia 驱动程序的错误。就好像构建具有 cudnn 支持的 Caffe 会导致 Caffe需要GPU 驱动程序。这对我的用例来说是有问题的：提供一个单一的 Docker 镜像，可以互换地用作基于 CPU 的镜像或基于 GPU 的镜像。

如何在启用 cudnn / GPU 支持的情况下安装 Caffe，但仍运行时不依赖任何 CUDA / GPU 依赖项？

注意：这不是关于CPU_ONLY在 Caffe 构建期间使用标志禁用 GPU 支持的问题。相反，它是让 Caffe 能够使用 GPU，然后以不需要任何驱动程序、CUDA 库等的方式在仅 CPU运行时模式下运行它。

我在运行时看到的错误类型如下：

这里我只是在使用 Caffe 的 Python 绑定调用后加载一个 prototxt 模型。caffe.set_mode_cpu()

如果我在 CPU_ONLY 模式下编译，一切正常，或者如果我实际上在托管正确驱动程序的机器上使用 nvidia-docker 运行。但我特别在寻找一个单一的 Docker 镜像，它可以在有和没有 GPU 或必要的驱动程序依赖项的主机之间移植。

nvidia-docker 无法与http://localhost:3476/docker/cli/json对话

（在向 tensorflow 提交问题之前在此处发布，正如他们的问题模板所建议的那样）

我正在尝试使用 python 3.6 构建 tensorflow docker 映像，我有以下内容Dockerfile

我构建图像并运行强制脚本gpu:0：

我已经用官方 gpu 图像尝试了相同的脚本，tensorflow/tensorflow:latest-gpu它工作正常。因此nvidia-docker，GPU 本身肯定适用于 tensorflow。

使用我构建的图像 nvidia cuda 和 cudnn 似乎安装正确：

我究竟做错了什么？

（test.py只是）：

（我已经尝试过nvidia/cuda:8.0-cudnn6-devel-ubuntu16.04使用tensorflow/tensorflow:latest-gpu但无济于事的基本图像）

所以我正在尝试在 docker 容器中设置运行 OpenAI gym，但它看起来像这样：

请注意，乒乓窗口有一个奇怪的渲染问题，它正在重复事物并且颜色关闭。这是太空侵略者：

“不是编程问题”的人注意：该解决方案涉及正确的 bash 脚本代码来调用正确的 API 方法来正确呈现像素数组。也只有图形程序员可能“识别渲染故障”。

我的设置非常简单。- 我正在使用 Nvidia gtx1060 和 corei7 安装本地 ubuntu 16.04 - 我使用 --no-opengl-files 安装了 nvida 运行文件驱动程序（根据 Nvidia 和许多地方的说明）。- 具体来说，我正在运行 floydhub/pytorch docker 映像。

有没有人认识到特定的渲染故障以及它可能意味着什么？它几乎看起来像帧缓冲区的 StackOverflow！我可以做些什么来追踪错误？

编辑：我已经消除了我一直在安装的所有额外依赖项，并且只是根据 ROS GUI 指南进行简单的 x 转发。

您可以按如下方式轻松重现此内容：

现在在图像中，键入python，然后键入以下内容：

这应该会在您的机器上打开一个 x-forwarded 窗口，但显示已损坏（至少对我而言）

上面我实际使用了 SpaceInvaders-v0

我想重叠许多 docker 容器对 GPU 的使用。Nvidia 提供了一个实用程序来执行此操作：此处记录的多进程服务。具体来说，它说：

在程序中首次初始化 CUDA 时，CUDA 驱动程序会尝试连接到 MPS 控制守护程序。如果连接尝试失败，程序将继续像没有 MPS 的情况一样正常运行。然而，如果连接尝试成功，则 MPS 控制守护进程继续确保使用与连接客户端相同的用户 ID 启动的 MPS 服务器在返回客户端之前处于活动状态。然后 MPS 客户端继续连接到服务器。MPS 客户端、MPS 控制守护进程和 MPS 服务器之间的所有通信都是使用命名管道完成的。

默认情况下，命名管道放置在 中/tmp/nvidia-mps/，因此我使用卷与容器共享该目录。

但这还不足以让容器上的 cuda 驱动程序“看到”MPS 服务器。

我应该在主机和容器之间共享哪些资源，以便它可以连接到 MPS 服务器？

当尝试在 AWS EC2 上安装 driverless-ai 时，我执行了所有步骤，直到指南中的第 6 步：“6. 启动 Driverless AI docker 映像：”

我尝试那里描述的命令：

并返回：未知的速记标志：'g' in -g'</p>