【深度学习】构建无与伦比的深度学习环境:在CentOS上实现GPU资源管理容器的终极指南

寸 铁 2024-08-11 17:07:06 阅读 59

构建无与伦比的深度学习环境:在CentOS上实现GPU资源管理容器的终极指南

大家好 我是寸铁👊

构建无与伦比的深度学习环境:在CentOS上实现GPU资源管理容器的终极指南✨

喜欢的小伙伴可以点点关注 💝

在这里插入图片描述

前言

这篇博文将深入探讨在<code>CentOS操作系统上创建高度优化的深度学习环境的完整过程。我们将从零开始,逐步指导读者完成配置,并重点介绍如何有效地管理 GPU 资源,以及如何运用容器技术来提高环境的灵活性和可维护性。

本文旨在为初学者提供一站式的解决方案,无论你是否有经验,都能够轻松地搭建出功能强大、高效稳定的深度学习环境。

Nvidia驱动安装

由于需要跑深度学习程序,需要用到GPU也就是显卡,所以需要安装Nvidia驱动来进行操作。

又需要部署到容器上跑,所以需要安装nvidia-docker指定具体的GPU跑程序。

安装驱动

先下载ELRepo仓库的GPG密钥

rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org

这个命令将从https://www.elrepo.org/RPM-GPG-KEY-elrepo.org下载ELRepo仓库的GPG密钥,并将其导入到本地系统中。这样做是为了验证从ELRepo仓库下载的软件包的真实性和完整性。


再安装ELRepo仓库

rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm

这个命令将从http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm下载ELRepo仓库的软件包,并将其安装到系统中。这个软件包包含了配置ELRepo仓库所需的信息,比如仓库地址和GPG密钥等。


ELRepo仓库中安装nvidia软件包

yum install kmod-nvidia

这个命令使用yum包管理器从ELRepo仓库中安装kmod-nvidia软件包,这个软件包通常是NVIDIA显卡的内核模块驱动程序。安装这个软件包可以让系统支持NVIDIA显卡,并提供相应的驱动程序支持。


再进行重启

reboot


检测安装情况

显示显卡的基本情况

ls -la /dev | grep nvidia

在这里插入图片描述


显示GPU的使用情况和性能信息

<code>nvidia-smi

在这里插入图片描述


Nvidia-docker安装

安装步骤

如果您还没有安装 Docker,可以使用以下命令在<code>CentOS上安装 Docker:

sudo yum install docker


启用 NVIDIA 容器运行时仓库:运行以下命令以添加 NVIDIA 的仓库

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | \

sudo tee /etc/yum.repos.d/nvidia-docker.repo

运行结果如下:

在这里插入图片描述


安装<code> nvidia-docker2:运行以下命令来安装 nvidia-docker2

sudo yum install -y nvidia-docker2

运行结果如下:

在这里插入图片描述


重启 Docker 服务:以使更改生效

<code>sudo systemctl restart docker

运行结果如下:

在这里插入图片描述


验证安装

(1) 先拉取<code>nvidia的镜像

docker pull nvidia/cuda:11.4.3-base-centos7

更多的镜像如下网址:

https://hub.docker.com/r/nvidia/cuda/tags?page=7&page_size=&name=&ordering=


(2) 再验证nvidia-docker2是否正确安装:

docker run --gpus 1 nvidia/cuda:11.4.3-base-centos7 nvidia-smi

这个命令的意思是在一个Docker容器中运行nvidia-smi命令,并且指定使用1个GPU。

具体如下:

docker run: 运行Docker容器的命令。

--gpus 1: 指定使用1个GPU。这个参数告诉Docker要将一个GPU分配给容器

nvidia/cuda:11.4.3-base-centos7: 这是要运行的Docker镜像的名称和标签。这个镜像是NVIDIA提供的一个包含CUDA工具和运行时的基本镜像,基于CentOS 7操作系统。

nvidia-smi: 在NVIDIA GPU上查看GPU状态和相关信息的命令。在这个命令中,它将在Docker容器内运行。


运行结果如下:

说明安装成功!

在这里插入图片描述


GPU命令

查看显卡情况

<code>ls -la /dev | grep nvidia

在这里插入图片描述


使用GPU

<code># 使用所有GPU

docker run --gpus all nvidia/cuda:11.4.3-base-centos7 nvidia-smi

# 使用两个GPU

docker run --gpus 2 nvidia/cuda:11.4.3-base-centos7 nvidia-smi

# 指定GPU运行

docker run --gpus '"device=0"' nvidia/cuda:11.4.3-base-centos7 nvidia-smi

docker run --gpus '"device=0,1"' nvidia/cuda:11.4.3-base-centos7 nvidia-smi

docker run --gpus '"device=UUID-ABCDEF,1"' nvidia/cuda:11.4.3-base-centos7 nvidia-smi

其中11.4.3-base-centos7替换为你操作系统对应的镜像,如CentOsUbantu等等安装的各种版本的镜像,根据安装的镜像进行替换即可。镜像也可以是自己其他打包好的镜像源。


测试GPU运行情况

编写docker File文件

使用打包好的docker File镜像进行测试

在容器中分配GPU运行

具体如下:

指定第一个GPU运行深度学习的pytorch程序

docker run -it --rm --gpus '"device=0"'--entrypoint /bin/bash gcn_tsa_image

在这里插入图片描述

<code>-it:允许与容器的标准输入进行交互,并分配一个伪终端。

--rm:容器退出后自动删除。

'"device=0"' 指定具体是哪个GPU来跑程序,这里指定显卡0来跑

'"device=0,1"' 指定具体多个GPU来跑程序,这里指定显卡0、1来跑

--gpus all:指定容器可以访问所有可用的 GPU 设备。您还可以使用 --gpus device=<GPU_ID> 来指定特定的 GPU 设备。

--entrypoint /bin/bash:设置容器的入口点为 /bin/bash,这样当容器启动时会直接进入交互式的 bash shell。

查看是否真正运用到显卡

nvidia-smi

确实是使用到显卡来跑Pytorch程序了~

在这里插入图片描述


看到这里的小伙伴,恭喜你又掌握了一个技能👊

希望大家能取得胜利,坚持就是胜利💪

我是寸铁!我们下期再见💕


往期好文💕

保姆级教程

【保姆级教程】Windows11下go-zero的etcd安装与初步使用

【保姆级教程】Windows11安装go-zero代码生成工具goctl、protoc、go-zero

【Go-Zero】手把手带你在goland中创建api文件并设置高亮


报错解决

【Go-Zero】Error: user.api 27:9 syntax error: expected ‘:‘ | ‘IDENT‘ | ‘INT‘, got ‘(‘ 报错解决方案及api路由注意事项

【Go-Zero】Error: only one service expected goctl一键转换生成rpc服务错误解决方案

【Go-Zero】【error】 failed to initialize database, got error Error 1045 (28000):报错解决方案

【Go-Zero】Error 1045 (28000): Access denied for user ‘root‘@‘localhost‘ (using password: YES)报错解决方案

【Go-Zero】type mismatch for field “Auth.AccessSecret“, expect “string“, actual “number“报错解决方案

【Go-Zero】Error: user.api 30:2 syntax error: expected ‘)‘ | ‘KEY‘, got ‘IDENT‘报错解决方案

【Go-Zero】Windows启动rpc服务报错panic:context deadline exceeded解决方案


Go面试向

【Go面试向】defer与time.sleep初探

【Go面试向】defer与return的执行顺序初探

【Go面试向】Go程序的执行顺序

【Go面试向】rune和byte类型的认识与使用

【Go面试向】实现map稳定的有序遍历的方式



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。