正文

轻松上手：Docker服务器GPU驱动安装全攻略，助你高效利用GPU资源

/0 浏览量
1018

在深度学习、科学计算等高性能计算领域，GPU（图形处理器）因其强大的并行计算能力而成为不可或缺的计算资源。Docker作为容器技术，可以轻松地将应用程序与依赖环境打包在一起，迁移到不同的环境中运行。本文将详细介绍如何在Docker服务器上安装GPU驱动，帮助你高效利用GPU资源。

环境准备

在开始之前，请确保以下条件已经满足：

  • Docker服务已安装并运行。
  • 服务器已连接到GPU。
  • 服务器操作系统为Linux（如Ubuntu、CentOS等）。

安装NVIDIA驱动

首先，需要在服务器上安装NVIDIA驱动。以下是安装步骤：

1. 安装驱动依赖

sudo apt-get update
sudo apt-get install -y build-essential curl

2. 添加NVIDIA官网源

curl -s -O https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/sources.list.d/cuda-ubuntu2004.pin
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"

3. 更新系统包索引

sudo apt-get update

4. 安装驱动

sudo apt-get install -y nvidia-driver-<版本号>

其中，<版本号>需要替换为实际可用的驱动版本号。

5. 验证驱动安装

nvidia-smi

如果看到类似以下信息，说明驱动已安装成功：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.32.03    Driver Version: 460.32.03    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla V100-SXM2...  Off  | 00000000:1E.0 Off    |                    0 |
| N/A   30C    P0    25W / 300W |      0MiB / 16128MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

安装CUDA Toolkit

NVIDIA CUDA Toolkit是用于开发和支持GPU加速应用的软件。以下是安装步骤：

1. 安装依赖

sudo apt-get install -y git

2. 下载CUDA Toolkit

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local/cuda_11.2.0_465.19.01_linux.run

3. 安装CUDA Toolkit

sudo sh cuda_11.2.0_465.19.01_linux.run

按照提示进行安装，并接受许可协议。

4. 设置环境变量

echo 'export PATH=/usr/local/cuda-11.2/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

安装Docker GPU支持

1. 安装Docker CE

sudo apt-get update
sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
sudo apt-get update
sudo apt-get install -y docker-ce

2. 安装Docker GPU支持插件

sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

3. 验证Docker GPU支持

docker run --gpus all nvidia/cuda:11.0-base nvidia-smi

如果看到类似以下信息，说明Docker GPU支持已安装成功：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.32.03    Driver Version: 460.32.03    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla V100-SXM2...  Off  | 00000000:1E.0 Off    |                    0 |
| N/A   30C    P0    25W / 300W |      0MiB / 16128MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

总结

通过以上步骤，您已经成功在Docker服务器上安装了GPU驱动，并配置了Docker GPU支持。现在，您可以开始利用Docker和GPU进行高性能计算了。希望本文能帮助您轻松上手Docker服务器GPU驱动安装，高效利用GPU资源。

-- 展开阅读全文 --