快捷導(dǎo)航

在wsl-ubuntu中如何通過 docker 啟動(dòng) gpu-jupyter

更新時(shí)間：2024年01月23日 10:21:29 作者：engchina

這篇文章主要介紹了在wsl-ubuntu中如何通過 docker 啟動(dòng) gpu-jupyter,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧

在 wsl-ubuntu 里通過 docker 啟動(dòng) gpu-jupyter
0. 背景
1. 安裝 docker-ce
2. 安裝 NVIDIA Container Toolkit
3. 使用 nvidia-ctk 命令配置容器運(yùn)行
4. 通過 docker 運(yùn)行 nvidia-smi
5. 運(yùn)行 gpu-jupyter
6. 訪問 gpu-jupyter
7. 測(cè)試 gpu-jupyter 是否可以訪問 cuda

在 wsl-ubuntu 里通過 docker 啟動(dòng) gpu-jupyter

0. 背景

今天突然想嘗試一下在 wsl-ubuntu 里通過 docker 啟動(dòng)支持 gpu 的 jupyter，那就開始著手干吧。

1. 安裝 docker-ce

在 wsl-ubuntu 里面安裝 docker-ce，先運(yùn)行以下命令卸載所有沖突的包，

for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done

使用 apt 存儲(chǔ)庫(kù)安裝，設(shè)置 Docker 的 apt 存儲(chǔ)庫(kù)。

# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl gnupg
sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpg
# Add the repository to Apt sources:
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] 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

安裝 Docker 軟件包。

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

通過運(yùn)行 hello-world 映像來(lái)驗(yàn)證 Docker 引擎安裝是否成功。

sudo docker run hello-world

您現(xiàn)在已經(jīng)成功安裝并啟動(dòng)了 Docker Engine。

refer: https://docs.docker.com/engine/install/ubuntu/

2. 安裝 NVIDIA Container Toolkit

使用 Apt 安裝，配置生產(chǎn)存儲(chǔ)庫(kù)，

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

從存儲(chǔ)庫(kù)更新包列表，

sudo apt-get update

安裝 NVIDIA Container Toolkit 軟件包，

sudo apt-get install -y nvidia-container-toolkit

refer: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

3. 使用 nvidia-ctk 命令配置容器運(yùn)行

使用 nvidia-ctk 命令配置容器運(yùn)行時(shí)，

sudo nvidia-ctk runtime configure --runtime=docker

nvidia-ctk 命令修改主機(jī)上的 /etc/docker/daemon.json 文件。該文件已更新，以便 Docker 可以使用 NVIDIA 容器運(yùn)行時(shí)。

重新啟動(dòng) Docker 守護(hù)進(jìn)程，

sudo systemctl restart docker

refer: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

4. 通過 docker 運(yùn)行 nvidia-smi

使用 Docker 運(yùn)行示例工作負(fù)載，

sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

輸入結(jié)果如下，

refer: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/sample-workload.html

5. 運(yùn)行 gpu-jupyter

使用 Docker 運(yùn)行 gpu-jupyter，

mkdir /u01/data/jupyter-work; chmod 777 /u01/data/jupyter-work
docker run --gpus all -d --name gpu-jupyter --network host -v /u01/data/jupyter-work:/home/jovyan/work -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes --user root cschranz/gpu-jupyter:v1.6_cuda-12.0_ubuntu-22.04

refer: https://github.com/iot-salzburg/gpu-jupyter

6. 訪問 gpu-jupyter

查看 gpu-jupyter 的 login token，

token=$(docker exec -it gpu-jupyter jupyter server list | grep -oP '(?<=token=)[a-zA-Z0-9]+')
echo $token

使用瀏覽器打開 http://127.0.0.1:8888/lab 進(jìn)行訪問，

7. 測(cè)試 gpu-jupyter 是否可以訪問 cuda

import torchtorch.cuda.is_available()

torch.__version__

輸出結(jié)果如下，

完結(jié)！

到此這篇關(guān)于在wsl-ubuntu中如何通過 docker 啟動(dòng) gpu-jupyter的文章就介紹到這了,更多相關(guān)docker 啟動(dòng) gpu-jupyter內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: