step1
安装docker
文档中的命令如下:
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
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
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
sudo docker run hello-world
如果回显如下所示,则说明成功:
step2
安装Nvidia-docker
根据官方文档中的命令跑就行了
如果出现了以下回显,说明安装成功
exception 1
需要注意的是,在运行最后一步命令时:sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi
如果报错如下:
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: error during container init: error running hook #0: error running hook: exit status 1, stdout: , stderr: Auto-detected mode as 'legacy'
nvidia-container-cli: requirement error: unsatisfied condition: cuda>=11.6, please update your driver to a newer version, or use an earlier cuda container: unknown.
说明cuda版本和Nvidia-docker版本不对应,此时需要找到和自己的cuda对应的Nvidia-docker。
查看cuda版本
通过命令nvidia-smi
可以看到自己的cuda版本:
在上图的右上角可以看出我的cuda版本为11.2
找对应的cuda镜像
在docker官网中nvidia目录下找到自己的cuda对应的镜像即可。
命令中,11.6.2-base-ubuntu20.04
是镜像名,11.6.2是应该对应的cuda版本
找到对应版本的镜像后,将sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi
中的11.6.2-base-ubuntu20.04
替换为对应版本的镜像名,比如11.2.2-base-ubuntu20.04
step3
安装jupyter深度学习镜像
sudo docker pull ufoym/deepo:all-jupyter-py36-cu100
安装好了后可使用docker images
查看:
step4
启动docker
sudo docker run -it \
-p 8080:8888 \
--ipc=host \
-v /home/ubuntu/jupyter:/jupyterRoot \
--gpus all \
--shm-size 16G \
--name jupyter_notebook \
cf60a305ba7b
其中,容器中的/jupyterRoot文件夹被映射到本机的/home/ubuntu/jupyter文件夹中
运行结束该命令后,应该已经进入容器了
启动jupyter notebook
- 生成密钥
# 初始化jupyter_notebook_config.py
$ jupyter notebook --generate-config
# 生成密钥
$ ipython
[1]:from notebook.auth import passwd
[2]:passwd()
Enter password: XXXX # 这里输入登录密码
Verify password: XXXX
Out[2]: '生成的一串密钥'
# 密钥的格式应该是sha1:xxxxxx:xxxxxxx,注意保存生成的密钥
exit #退出生成密钥
- 写jupyter配置文件
# 编辑jupyter_notebook_config.py
# 如果你不知道jupyter_notebook_config.py,可以使用find命令找一下
$ vim /root/.jupyter/jupyter_notebook_config.py
# 设置c.NotebookApp.password,注意前面加 u,把密钥(sha1:xxxx:xxxx)全部复制过来
c.NotebookApp.password=u'生成的一串密钥'
## 设置外部访问
# 连通性设置
c.NotebookApp.allow_remote_access = True
# ip设置
c.NotebookApp.ip='0.0.0.0' # 自动获取服务器ip
# 打开root权限启动
c.NotebookApp.allow_root =True
# 禁止自动打开浏览器
c.NotebookApp.open_browser = False
# 端口设置
c.NotebookApp.port = 8888 # 创建docker时候配置的容器内部服务的端口号
- 启动jupyter notebook
# 使用后台模式启动jupyter notebook
nohup jupyter notebook --allow-root&
然后退出容器,访问本机ip:8080
即可
docker中jupyter notebook的python环境配置
思路:将anaconda安装脚本放到映射文件夹中,在jupyter中运行安装脚本,然后就可使用conda配置python环境。文章来源:https://www.toymoban.com/news/detail-537771.html
需要注意的是,安装好conda后,需要使用exec bash
才能切换到conda的环境中
文章来源地址https://www.toymoban.com/news/detail-537771.html
Reference
- https://zhuanlan.zhihu.com/p/612188740
- https://zhuanlan.zhihu.com/p/442176668
- https://blog.csdn.net/Coder_Boy_/article/details/131152693
- https://blog.csdn.net/wcj623917753/article/details/121296724
到了这里,关于基于docker的ubuntu云服务器jupyter深度学习环境配置指南的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!