Ubuntu20.04+1080Ti通过docker进行NVIDIA GPU环境搭建

一. 先决条件

在开始之前，请确保您已经为您的 Linux 发行版安装了 NVIDIA 驱动程序。
同时要满足:
1.内核版本 > 3.10 的 GNU/Linux x86_64。

2.Docker >= 19.03（推荐，但某些发行版可能包含旧版本的 Docker。支持的最低版本为 1.12）。

3.架构 >= Kepler（或计算能力 3.0）的 NVIDIA GPU(即9系显卡及以上)。

4.NVIDIA Linux 驱动程序>= 418.81.07（请注意，不支持较旧的驱动程序版本或分支。）。

二. 安装docker

2.1 安装并使能docker

curl https://get.docker.com | sh \
  && sudo systemctl --now enable docker
1
2

2.2 设置NVIDIA-docker库和GPG密钥

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
      && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
      && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
            sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
            sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
1
2
3
4
5

不报错即为成功：

2.3 安装NVIDIA其他包和依赖项

更新包列表后安装nvidia-docker2包（和依赖项）：

sudo apt-get update
1

sudo apt-get install -y nvidia-docker2
1

设置默认运行时后重启 Docker 守护进程完成安装：

sudo systemctl restart docker
1

通过运行基本 CUDA 容器来测试工作设置：

sudo docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi
1

三. 启动docker的pytorch镜像

sudo docker run --gpus all -it --rm -p 8888:8888 -v ~:/workspace \
	--ipc=host --ulimit memlock=-1 --ulimit stack=67108864 \
	nvcr.io/nvidia/pytorch:22.07-py3
1
2
3

大概需要下载6个G的包，下载完后会自动进入docker的环境中：

四. 总结

1. docker也是相当于全家桶式的安装，一次大概6个GB的包比较占空间，定制化程度较弱。
2. docker修改pytorch环境和版本需要重新下载镜像，非常不方便。
3. docker本身对于从零开始的环境配置非常快捷，不需要自行安装NVIDIA驱动和CUDA。
4. docker在长时运行后可能驱动会出问题，且需要备份docker。
5. docker会带来一些指令级的额外开销。
6. docker适合特别关注底层的性能和开发的群体。
7. 如果是关心算法做开发，最好使用NVIDIA驱动+conda命令安装pytorch+CUDA的方式。这种方法的坏处也是磁盘占用率较高，且仅仅安装了CUDA运行环境，但cuda编译器并没有安装，有些包的kernel需要实时编译且依赖nvcc的则不适用，因此实际使用过程中兼容性可能出现问题。