容器化 TensorFlow GPU 环境搭建

作者: Anoyi

2018.11.30 11:57*

基础环境信息

CPU:Intel Xeon E5-2699 v4
显卡:Nvidia Tesla P100
操作系统:CentOS 7.4

基础环境验证

验证系统是否能正常识别 GPU

lspci | grep -i nvidia

正常应该显示 Nvidia 显卡的型号,没有任何显示需要更新pci硬件库 update-pciids

安装 Nvidia 显卡驱动

1、安装或更新相关包

yum -y update

# 非桌面版系统可跳过第二步
yum -y groupinstall "GNOME Desktop"

yum -y install kernel-devel epel-release dkms gcc gcc-g++

重启机器,以确保使用最新的内核!

2、禁用 nouveau

nouveau 是一个第三方开源的 Nvidia 驱动,一般 Linux 安装的时候默认会安装这个驱动,它会与 Nvidia 官方的驱动冲突,在安装 Nvidia 驱动之前应先禁用 nouveau

查看系统是否正在使用 nouveau

lsmod | grep nouveau

编辑 /etc/default/grub ,在 GRUB_CMDLINE_LINUX 值后面添加

rd.driver.blacklist=nouveau nouveau.modeset=0

生成新的 grub 配置

grub2-mkconfig -o /boot/grub2/grub.cfg

编辑或创建 /etc/modprobe.d/blacklist.conf 文件,添加如下内容:

blacklist nouveau

备份当前镜像并建立新镜像

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r)-nouveau.img

dracut /boot/initramfs-$(uname -r).img $(uname -r)

重启机器后,再次验证系统是否使用 nouveau

lsmod | grep nouveau

如果还是不行,可以尝试执行 sudo dracut --force 后重启机器

3、安装 Nvidia 驱动

Nvidia 官方驱动下载地址:https://www.nvidia.com/object/unix.html

顶级 GTX 或 Tesla 系列显卡,选择 Latest Short Lived Branch Version,其他选择 Latest Long Lived Branch Version

当前显卡 Nvidia Tesla P100,选择 Latest Short Lived Branch Version: 415.18

下载驱动

wget http://us.download.nvidia.com/XFree86/Linux-x86_64/415.18/NVIDIA-Linux-x86_64-415.18.run

修改 NVIDIA-Linux-x86_64-415.18.run 权限,使其可运行

chmod a+x NVIDIA-Linux-x86_64-415.18.run

安装 Nvidia 驱动

# 进入 Linux 文本模式
init 3

# 安装驱动
sh NVIDIA-Linux-x86_64-415.18.run --no-opengl-files

DKMS 选择 NO, Nvidia Library 选择 NO

校验 Nvidia 驱动,执行 nvidia-smi,若有如下输出,证明安装成功:

安装 Docker

参考官方,CentOS 安装 Docker:https://docs.docker.com/install/linux/docker-ce/centos/

1、移除旧版 Docker

 yum remove docker \
                  docker-client \
                  docker-client-latest \
                  docker-common \
                  docker-latest \
                  docker-latest-logrotate \
                  docker-logrotate \
                  docker-selinux \
                  docker-engine-selinux \
                  docker-engine

2、安装相关包

yum install -y yum-utils \
  device-mapper-persistent-data \
  lvm2

3、添加 repo 源

yum-config-manager \
    --add-repo \
    https://download.docker.com/linux/centos/docker-ce.repo

4、安装 docker

yum install docker-ce

5、启动 Docker

service docker start

6、设置开机启动

systemctl enable docker

安装 Nvidia-Docker2

参考官方,CentOS 安装 Nvidia-docker2:https://github.com/NVIDIA/nvidia-docker

移除 nvidia-docker 1.0(可选)

docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f

sudo yum remove nvidia-docker

添加安装包仓库

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

安装 nvidia-docker2 并刷新 Docker daemon 配置

sudo yum install -y nvidia-docker2

sudo pkill -SIGHUP dockerd

使用官方 CUDA 镜像测试 nvidia-smi

docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

TensorFlow 容器化 GPU 测试

1、编写测试代码 test.py

import sys
import numpy as np
import tensorflow as tf
from datetime import datetime

device_name = sys.argv[1]
shape = (int(sys.argv[2]), int(sys.argv[2]))
if device_name == "gpu":
    device_name = "/gpu:0"
else:
    device_name = "/cpu:0"

with tf.device(device_name):
    random_matrix = tf.random_uniform(shape=shape, minval=0, maxval=1)
    dot_operation = tf.matmul(random_matrix, tf.transpose(random_matrix))
    sum_operation = tf.reduce_sum(dot_operation)

startTime = datetime.now()
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as session:
    result = session.run(sum_operation)
    print(result)

print("\n" * 5)
print("Shape:", shape, "Device:", device_name)
print("Time taken:", str(datetime.now() - startTime))

2、获取 tensorflow 镜像

docker pull  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu

3、CPU 测试

docker run --runtime=nvidia \
  --rm -it \
  -v "$(pwd)/test.py:/app/test.py" \
  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu \
  python /app/test.py cpu 20000
CPU 测试结果

4、GPU 测试

docker run --runtime=nvidia \
  --rm -it  \
  -v "$(pwd)/test.py:/app/test.py" \
  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu \
  python /app/test.py gpu 20000
GPU 测试结果
评论

评论

昵称
邮箱