问题标签 [nvidia-docker]

我正在构建一个同时需要测试 GPU 可用性的图像。GPU 容器运行良好：

但在使用 GPU 构建时失败：

我是 docker 新手，但我认为我们在构建映像时需要进行健全性检查。那么如何使用 cuda 运行时构建 docker 映像呢？

您好 Stackoverflow 专家！

我在私有集群上有 Telsa K40m，我的目标是检查通过将 GPU 划分为多个 vGPU，然后与 Docker 容器同时运行它们可以获得多少性能。

我担心的是我不确定 vGPU 是支持 Docker 容器还是仅限于虚拟机。有人可以帮我回答这个问题吗？

谢谢！

我想在退出并重新启动后重新启动一个 docker 容器，并使用最初创建它的相同运行时。

这是我到目前为止所做的。

创建容器：

退出容器并重启后重启 Docker：

重启之前创建的容器：

重新打开容器。

然后在容器中启动的程序没有按预期使用 Nvidia GPU。它改为使用系统 CPU。

任何帮助将不胜感激。

我已经在我的远程服务器上安装了我的 Nvidia 驱动程序，并且

$nvidia-smi还返回设备列表

但是当我尝试使用时。

提供设备列表需要很长时间

当我尝试检查信息以使用 nvidia-docker

它给出以下输出：

我在 v3.5 docker compose 文件中配置了一个多服务应用程序。

其中一项服务是访问集群中（一个）节点上的（一个）GPU。但是，如果我使用 docker compose 文件启动服务，我似乎无法访问 GPU，正如 keras 报告的那样：

印刷

如果我像这样从命令行运行相同的图像：

docker run -it --rm $(ls /dev/nvidia* | xargs -I{} echo '--device={}') $(ls /usr/lib/*-linux-gnu/{libcuda,libnvidia}* | xargs -I{} echo '-v {}:{}:ro') -v $(pwd):/srv --entrypoint /bin/bash ${MY_IMG}

输出是

配置：

我已经安装了 nvidia-docker 并根据本指南配置了节点：

和

docker compose 文件的相关部分：

问题： 还需要什么才能访问该 docker 服务中的 GPU？

我已经查找了对此没有帮助的较旧答案（#1，#2）

runtime: nvidia尝试使用具有标志的容器启动 docker-compose 项目时出现此错误。

按照最新的说明，我为 Ubuntu 的存储库安装了 docker（版本 19.03）和最新的 nvidia-docker 。我没有在任何地方注册运行时，因为文档明确指出现在没有必要。

运行单个容器可以工作，例如，docker run --gpus all nvidia/cuda:10.0-base nvidia-smi这工作得很好 - 但是当我尝试启动 docker-compose 项目时，它失败并出现以下错误

错误：对于 MY_SERVICE 无法为服务 MY_SERVICE 创建容器：指定了未知的运行时 nvidia

我不知道这是否与此有关，但我在 GCP Compute Engine、Ubuntu 18.04 上运行

我正在尝试在 gstreamer 中构建一个使用 nvidia 硬件解码的 docker 映像，并且在制作映像时遇到了一个奇怪的问题。

docker build构建过程在运行（或）时找不到与 nvidia cuda 相关的东西nvidia-docker build，但是当我将失败的图像作为容器启动并从容器内执行相同的步骤时，一切正常。我什至将容器保存为图像，这给了我一个按预期工作的持久图像。

有没有人遇到过类似的问题，可以解释一下吗？

测试： 构建并运行容器。容器内部：

EDIT1
图像构建没有错误，只有当我尝试调用 gstreamer 时，它才会在没有加速的情况下构建。我注意到在构建过程中的主要区别是

从容器内构建时不会发生这种情况。

缺少错误很可能与 ninja+meson 构建系统有关，该构建系统查找兼容的包，报告异常，但不抛出异常并继续，就好像没有发生任何错误一样

EDIT2
回答评论：要构建它并得到错误，只需构建附加的 docker 图像：

sudo docker build -t gst16:latest . > build.log

这会将所有输出转储到build.log文件中。
我没有可以用于此目的的 docker 注册表，并且 docker 镜像按照 docker 标准（约 8 Gigs）变得相当大，但要成功生成，它相当简单：

sudo docker run --runtime="nvidia" -ti gst16:latest /bin/bash

或者

sudo nvidia-docker run -ti gst16:latest /bin/bash

这对我来说似乎同样有效。注意没有 --rm标志！从容器内：

现在要获取图像，退出容器（ctrl+d）并在主机 shell 中：

• sudo docker container ls -a查看所有容器，包括停止的容器
• 从 gst16:latest 获取 CONTAINER_ID 并复制它
• sudo docker commit <CONTAINER_ID> gst16:manual几秒钟后，您应该将容器保存为图像。验证sudo docker images
• 运行新图像sudo docker run --runtime=`nvidia` --rm -ti gst16:manual /bin/bash
• 从容器内再次尝试gst-inspect-1.0 nvdec验证它是否正常工作

编辑3

我刚开始学习 docker，所以这个问题对你们中的一些人来说可能是微不足道的。我在我的 Windows 10 Enterprise（64 位）中安装了最新版本的 docker 19.03.2 并打开了 Linux 容器。我的指南建议我将 docker 用于我的深度学习项目（基于 PyTorch 框架）。我读了几篇关于为什么使用 docker 让生活变得轻松的文章，我可以遵循其中的大部分内容。对我来说，使用 docker 的主要原因是由于 GPU 资源不可用。所以我在我的windows系统中成功安装了docker 19.03.2。但是为了使用 NVIDIA 的 GPU 支持，我必须安装 nvidia-docker。

这是我感到困惑的时候。很少有地方解释 Linux 环境的安装过程，但我找不到任何适用于 Windows 系统的地方。也很少有人说将来将不再支持 nvidia-docker2 软件包。所以我在这一点上很困惑。

我的一些朋友建议我使用 google colab 而不是 docker。我同意他们的观点，这非常有用，但如果我仍然只想使用 docker 怎么办。我相信必须有一些解决方案。

任何帮助和建议将不胜感激。

我正在尝试从 Pycharm IDE 中使用 tensorflow 提供的支持 gpu 的 docker 映像运行一个简单的 tensorflow 示例。一切正常，除了当我运行它时，tensorflow 不会从容器中检测到 GPU 并默认返回CPU：

运行：Ubuntu 18.04.3 Docker 19.03.3 最新版本的 NVIDIA docker 支持：https ://github.com/NVIDIA/nvidia-docker

我已经使用远程解释器功能设置了我的 Pycharm 项目来运行图像：tensorflow:latest-gpu

如果我从命令行运行容器：

我明白了：

..它告诉我 docker install、image 和 nvidia docker 支持都可以。

现在，当 Pycharm 运行容器时，它不包含“--gpus all”命令行选项。

如果我在没有 --gpus all 参数的情况下运行上面的相同命令：

我得到：

所以这表明 Pycharm 没有添加标志作为罪魁祸首。

但是，根据以下文档：https : //docs.docker.com/config/containers/resource_constraints/（GPU 的底部），环境变量 NVIDIA_VISIBLE_DEVICES=all 应该完成同样的事情。我确认即使没有 --gpus all 参数，这个环境变量也会被设置。

此外，似乎没有办法从 Pycharm 中添加额外的命令行参数。所以我被困住了。我觉得这个设置不是太奇特，希望我缺少一些基本的东西。

我是 Docker 新手，尤其是 Nvidia-Docker。我正在尝试将我的代码包装到 docker 容器中并在某些主机上运行它。但显然出了点问题，我无法在 docker 中运行我的代码。我已经安装了 Nvidia-docker 并且 Dockerfile 是从这里获取的。这是我的完整码头代码

还有一个 bash 脚本代码，其中 cudahelmf 和 cudahelmd 以前由

要构建和运行 docker 我使用

运行后我有错误

我究竟做错了什么？是否因为 -lcufft 编译选项而发生，并且 docker 不知道从哪里获得它？并且 docker 安装后没有 /usr/local/cuda/ 目录。由于 cuda-libraries-dev 包含 cufft 库并且安装成功结束，这似乎很奇怪。

这是我计算机上的 nvcc 版本，其中代码已编译和先前测试过。

和 nvidia-docker 版本

PS也许有一个选项可以在docker中编译代码？