在 PyCharm 中使用 CUDA Docker 环境
前言
在深度学习的过程中经常会遇到对 CUDA 版本有不同要求的代码库,环境配置困难,本文尝试用 Docker 环境来解决此问题。
本文适用于 Ubuntu 系统,主要涵盖 Docker 安装、CUDA 镜像、PyCharm 使用 Docker 环境来调试和运行代码3个方面的内容。
一、Docker 安装
1. 卸载旧版本
在安装 Docker Engine 之前,需要卸载所有有冲突的软件包,然后才能安装 Docker Engine 的正式版本。
for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done
2. 添加密钥
# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc
补充
- 密钥的作用
GPG 密钥主要用于验证软件包的真实性和完整性。软件仓库在发布软件包时进行签名,用户通过秘钥验证签名。 - 镜像密钥
官网提供的密钥可能下不动,可使用镜像:
# 中科大
sudo curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
# 阿里云
sudo curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
-
指令解析
sudo curl -fsSL <url> | sudo apt-key add -
curl
命令从网站下载密钥,并传递给apt-key add -
将密钥添加到系统的全局密钥列表/etc/apt/trusted.gpg
。这种方式简单直接,但并不推荐,可能产生安全警告。sudo curl -fsSL <url> | sudo gpg --dearmor -o <file>
gpg --dearmor
将密钥由 ASCII 格式转换到二进制格式并存储到指定的文件中。sudo curl -fsSL <url> -o <file>
官方做法与第二种类似,只是密钥格式没有转二进制。先通过sudo install -m 0755 -d /etc/apt/keyrings
创建目录并设置了权限,下载密钥后再通过sudo chmod a+r /etc/apt/keyrings/docker.asc
为密钥文件添加读权限。
-
管理密钥
- 查看密钥
sudo apt-key list
- 删除密钥
sudo apt-key del 9DC858229FC7DD38854AE2D88D81803C0EBFCD88
- 查看密钥
/etc/apt/trusted.gpg
--------------------
pub rsa4096 2017-02-22 [SCEA]
9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88
uid [ 未知 ] Docker Release (CE deb) <docker@docker.com>
sub rsa4096 2017-02-22 [S]
3. 添加仓库
# Add the repository to Apt sources:
echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
补充
- 镜像仓库
若使用了镜像密钥则需要添加镜像仓库,同样介绍一个不同的指令。
sudo add-apt-repository "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu $(lsb_release -cs) stable"
- 指令解析
- 镜像指令
add-apt-repository
将源添加到系统中,通常在/etc/apt/sources.list
或/etc/apt/sources.list.d/
中自动配置。[arch=amd64]
指定系统架构,$(lsb_release -cs)
对应 Ubuntu 版本代号,stable
指定软件发行版本。由于不能指定密钥位置,需要和sudo apt-key add -
一同使用。 - 官方指令
echo "..." | sudo tee <file> > /dev/null
将软件源配置写入到指定文件中。软件源配置与镜像指令类似,signed-by=<file>
指定密钥位置,$(. /etc/os-release && echo "$VERSION_CODENAME")
与$(lsb_release -cs)
基本相同。
- 镜像指令
4. 安装 Docker
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
5. 测试运行
sudo docker run hello-world
补充
很可能拉不动镜像,可在 /etc/docker/daemon.json
添加以下内容,配置 Docker 使用镜像加速器。最后一项阿里云的 ID 可在 镜像服务 → 镜像工具 → 镜像加速器中免费获取。
{
"registry-mirrors": [
"https://noohub.ru",
"https://huecker.io",
"https://docker.m.daocloud.io",
"https://dockerhub.timeweb.cloud",
"https://<id>.mirror.aliyuncs.com",
]
}
sudo systemctl daemon-reload
sudo systemctl restart docker
sudo docker run hello-world
6. 以非 root 身份管理 Docker
# 创建群组
sudo groupadd docker
# 添加用户
sudo usermod -aG docker $USER
# 激活更改
newgrp docker
# 测试
docker run hello-world
补充
- 群组管理
# 查看所有群组及其成员
getent group
# 查看指定群组的成员
getent group docker
# 删除用户(两种方式)
sudo deluser <username> docker
sudo gpasswd -d <username> docker
# 查看用户所属的所有群组
groups username
二、NVIDIA CUDA 镜像安装
NVIDIA Container Toolkit 官网安装指南
1. 安装
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/stable/deb/nvidia-container-toolkit.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
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
所用指令与 Docker 安装大同小异,不再赘述。
2. 测试
sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi
在 NVIDIA CUDA Docker Hub 中可以找一些官方的镜像进行测试,Tags 栏中可以进行检索。
3. 早期版本 CUDA
目前 Docker Hub 中最早的 CUDA 版本为 11.1.1,然而还有许多项目依赖更早版本的 CUDA。在 NVIDIA NGC 中可以查找更多版本。
sudo docker pull nvcr.io/nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04
sudo docker run -i -t --gpus all nvcr.io/nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04 /bin/bash
踩坑历程:
最初在 CUDA Image List 找到了可下载的镜像,使用 sudo docker load -i <image file>
读取镜像时报错 open /var/lib/docker/tmp/docker-import-4091194390/sources/json: no such file or directory
,最终查到原因是镜像在导出时有两种方法,save
对应 load
,export
对应 import
。
然而在加载镜像后创建容器却有异常。在查看压缩包内容后感觉可能是镜像缺少 Linux 的基础系统文件,暂未找到解决方案。
docker import nvidia-cuda-10.0-cudnn7-devel-ubuntu-18.04-x86_64.tgz cuda:10.0
sha256:49a9446b007887be75727da3cea0cbd57bb2c6fac84b98e6edac82e94ae8620c
docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
cuda 10.0 49a9446b0078 9 seconds ago 2.43GB
docker run -it --gpus all cuda:10.0 /bin/bash
docker: Error response from daemon: failed to create task for container: failed to create shim task:
OCI runtime create failed: runc create failed: unable to start container process:
exec: "/bin/bash": stat /bin/bash: no such file or directory: unknown.
三、PyCharm 使用 Docker 环境
此功能必须使用专业版 PyCharm,下载及安装在此处。
1. 配置 Docker 服务器
如上图所示在 File -> Setting
页面点加号按默认方式配置 Docker 服务器(显示连接成功)。点击确定,如下图所示会弹出服务窗口,双击 Docker 启用后可以看到容器、镜像等信息。
2. 利用 SSH 使用 Docker 环境
此时可以在 PyCharm 中对 Docker 的镜像和容器进行操作,这里右键之前拉取的 CUDA10.0 镜像创建容器。在配置选项中,名称、挂载、入口点等按各自需求设置,运行选项中添加 --gpus all
使其可以使用 GPU,而绑定端口会与后续的环境使用密切相关。
绑定端口中,主机端口为 2222
,容器端口为 22
,协议为 tcp
,主机 IP 空缺。
以下内容并不充分,大致理解端口设置
- 主机端口
本地访问容器的服务时使用的端口号。这个端口必须在主机中是空闲的,不能和其他应用程序冲突。使用sudo ss -tuln
查看主机端口信息。- 容器端口
暴露到外部的容器服务端口,这个端口是容器中实际服务运行的端口。22
是默认用于 SSH 的端口,在容器中可以通过配置文件/etc/ssh/sshd_config
来修改默认端口号。- 协议
TCP 或 UDP,使用 SSH 网络服务使用 TCP 协议- 主机 IP
用于指定主机的网络接口(IP地址),默认(空缺)会将端口绑定到主机的所有网络接口(即0.0.0.0
)意味着可以从任何网络接口访问容器。通常用于设为内网 IP,使容器服务只对内网可见。
创建并启用容器,直接在 PyCharm 中打开容器终端并安装配置 SSH。
# 安装 SSH 服务
apt-get update
apt-get install -y openssh-server
service ssh start
# 查看 SSH 服务状态
service ssh status
# 配置 SSH 用户和密码
useradd -m <user_name>
passwd <user_name>
# 重启 SSH 服务
service ssh restart
下载 Miniconda 至挂载位置进行安装。默认安装位置为 /root/miniconda3
,由于 /root
文件夹的默认权限为 drwx------
会导致后续无法在 PyCharm 中使用 conda 的 python 环境,需要先修改权限 chmod 755 /root
。
如下图,添加 SSH 解释器,端口填写之前绑定端口中的主机端口,主机可以填写 127.0.0.1
或 0.0.0.0
或 0
。后两个是等价的,代表所有网络接口。127.0.0.1
代表本地主机 localhost 的回环地址,代表 SSH 服务就在本地系统上,不会通过网络接口。
用户名密码按前文配置的 SSH 用户名密码填写。解释器位置按需填写,例如 conda 的某个虚拟环境 /root/miniconda3/envs/env_name/bin/python
。至此,可使用 Docker 环境来对代码进行运行和 Debug。
原文地址:https://blog.csdn.net/weixin_43605641/article/details/141848093
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!