利用docker拉取Nvidia/cuda官方镜像，部署深度学习环境

1、拉取Nvidia/cuda官方镜像
2、生成容器
3、在容器内安装深度学习环境

看完这篇博文，可以查看我总结的另一篇博文教程：利用docker部署深度学习环境摆脱操作系统版本限制与cuda版本限制
https://blog.csdn.net/guoqingru0311/article/details/130378511

1、拉取Nvidia/cuda官方镜像

docker pull nvidia/cuda:10.0-base

NVIDIA官方提供的docker镜像nvidia/cuda，里面已经编译安装了cuda,但需完善并安装cudnn.注意:这里的cuda版本要跟宿主机显卡驱动匹配.（本次安装的版本是cuda10.0）

2、生成容器

nvidia-docker run -it --runtime=nvidia -v /宿主机绝对路径目录:/容器内目录 --name 容器名 镜像名 /bin/bash

创建镜像完毕后，进入镜像，输入nvidia-smi，如果输出下图中绿框内的指令，则表明自己的cuda容器创建成功。

3、在容器内安装深度学习环境

（1）安装所需的依赖包：

#!/bin/bash
set -eapt-get update
#安装vim
#apt-get -y install vim#解决vim中文乱码
#vim /etc/vim/vimrc
#set fileencodings=utf-8,gbk,utf-16le,cp1252,iso-8859-15,ucs-bom
#set termencoding=utf-8
#set encoding=utf-8
#
#安装sqlite3
apt-get install libsqlite3-dev
apt-get -y install gcc#解决ssl No module named _ssl
apt-get install libssl-dev -y
#
apt-get install makeapt-get -y install zlib*#安装wget
apt-get -y install wget#下载python
wget https://www.python.org/ftp/python/3.6.5/Python-3.6.5.tgz
#解压tgz
tar -xvzf Python-3.6.5.tgz#
cd Python-3.6.5
./configure --with-ssl
make && make installln -sf /usr/local/bin/python3 /usr/bin/python#解决opencv 报错
apt-get -y install libgl1-mesa-glxapt-get install -y libglib2.0-dev #删除安装文件
#rm -R Python*#升级pip
python3 -m pip install --upgrade pippip3 install -r requirements.txt -i https://pypi.douban.com/simple#mysql
#cd /home
#wget https://dev.mysql.com/get/mysql-apt-config_0.8.15-1_all.deb#中文编码问题
export  LANG=C.UTF-8#解决cv2 问题
#apt-get -y install libgl1-mesa-glx
#python -V#升级pip
#python -m pip install --upgrade pip

（2）完善cuda和安装cudnn

apt install cuda-toolkit-10-0

将cudnn解压，执行以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

安装完毕后，可通过以下指令查看是否安装成功：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

输出如下所示：

python3 -m pip install paddlepaddle-gpu==1.8.5.post107 -i https://pypi.doubanio.com/simple/
pip3 install --default-timeout=100 -i https://pypi.doubanio.com/simple/ imgaug

解决中文乱码问题出现的报错，将一下指令加入到~/.bashrc 文件中

export  LANG=C.UTF-8

docker 利用docker拉取Nvidia/cuda官方镜像，部署深度学习环境相关推荐

Centos8安装英伟达显卡驱动并通过docker部署深度学习环境
20201107 - 每个人的机器和实际需要的环境都不一样,本文只是提供了在自己实验室centos8上的部署过程,部署过程中,没有什么问题.请谨慎参考本篇文章,以免浪费宝贵时间. 0. 引言之前的时 ...
linux nvidia 361.run,Ubuntu 16.04+Nvidia GTX 1080+CUDA8.0 深度学习环境配置
GTX1080主机准备好之后,就是配置深度学习环境了,这里选择了比较熟悉Ubuntu系统,不过是最新的Ubuntu 16.04版本,另外在Nvidia GTX1080的基础上安装相关GPU驱动,外加C ...
一文搞定实验室服务器配置：硬件+Ubuntu+CUDA/cuDNN+Python/Anaconda深度学习环境配置
写在最前面这个标题可能有点标题党了.几个月之后回顾这篇博客,觉得这个方案并不适合服务器:服务器应该使用虚拟化的方法搭建环境,这样更加安全.然而如果你是一个做深度学习的,想为自己的主机配置环境,那么这 ...
Nvidia Jetson AGX Orin 64G深度学习环境配置的超详细教程
新手小白环境配置成功!特此开贴记录~~~ 我接下来的写的内容基本上都是参考的该博客:Jetson AGX Orin安装Anaconda.Cuda.Cudnn.Pytorch.Tensorrt最全教程 ...
暗影精灵双系统（win10和Ubuntu16.04）安装+Cuda和tensorflow安装-深度学习环境配置
参考教程一:https://blog.csdn.net/qq_42121640/article/details/80635071 参考教程二:https://blog.csdn.net/zr45992 ...
Docker部署深度学习服务器，CUDA+cudnn+ssh
通过Docker来创建多个容器(相当于多个linux系统),每个容器中的CUDA版本之间互相不影响.这样的好处是可以在项目需要时,不改动主机环境的前提下运行多个CUDA版本.同时,也可以为不同的使用人 ...
基于Docker的深度学习环境NVIDIA和CUDA部署以及WSL和linux镜像问题
基于Docker的深度学习环境部署 1. 什么是Docker? 2. 深度学习环境的基本要求 3. Docker的基本操作 3.1 在Windows上安装Docker 3.2 在Ubuntu上安装Do ...
Docker 部署深度学习运行deeplabV3
文章目录前言一.Docker简介二.帮助命令三.镜像常用命令四.容器常用命令五.配置深度学习环境六.运行deeplabV3代码七.提交容器,保存镜像总结前言本文主要介绍docke ...
【开发技术】2万字详细介绍Docker 和 web项目的部署监控，docker部署，拉取kafana，prometheus镜像监控
SpringBoot 内容管理 Linux Redis Connnect 设置服务器redis开机自启动修改Redis配置文件关闭防火墙关闭selinux 连接Redis Docker Dock ...

docker 利用docker拉取Nvidia/cuda官方镜像，部署深度学习环境

利用docker拉取Nvidia/cuda官方镜像，部署深度学习环境

1、拉取Nvidia/cuda官方镜像

2、生成容器

3、在容器内安装深度学习环境

docker 利用docker拉取Nvidia/cuda官方镜像，部署深度学习环境相关推荐

最新文章

热门文章