ubuntu 20.0.4 搭建nvidia 显卡环境-Toy模板网

这篇具有很好参考价值的文章主要介绍了ubuntu 20.0.4 搭建nvidia 显卡环境。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、安装docker

1、安装dokcer

sudo apt install docker.io

2、docker 添加到用户组

创建docker用户组

sudo groupadd docker

添加当前用户加入docker用户组

sudo usermod -aG docker ${USER}

重启docker服务

sudo systemctl restart docker

切换或者退出当前账户再从新登入

docker ps

如果当前用户执行无报错，则表示用户已经加到docker组

3、docker 配置阿里云镜像

vim /etc/docker/daemon.json

daemon.json：

{
	"registry-mirrors": ["https://zfzbet67.mirror.aliyuncs.com"]
}

4、docker 配置汉化工具

拉取镜像：已经有大神准备好了汉化版的镜像，无需自己进行繁杂的汉化操作。

docker pull summary/portainer-ce

已有镜像，加载本地镜像

dokcer load -i images.tar

启动镜像

docker run -d -p 1066:9000 -v /var/run/docker.sock:/var/run/docker.sock --restart=always --name=portainer-ce summary/portainer-ce

登录docker管理界

http://localhost:1066/

第一次登陆需要注册

用户名：admin

密码：123465

5、相关资料

🐕docker网络基础知识：https://www.whbblog.cn/446.html
🍰Docker镜像发布：https://www.whbblog.cn/440.html
🐫Docker容器数据卷：https://www.whbblog.cn/441.html
💃DockerFile构建镜像：https://www.whbblog.cn/444.html
🕊Docker Compose 容器编排：https://www.whbblog.cn/447.html

二、安装cuda

执行命令，根据提示按回车即可

sudo chmosd -X cuda_11.2.0_460.27.04_linux.run
sudo bash cuda_11.2.0_460.27.04_linux.run

添加到环境变量

sudo vim ~/.baschrc

# 	结尾添加
# CUDA 和 TensorRT 相关环境变量
export PATH="/usr/bin:/usr/local/bin:/usr/sbin:/usr/local/cuda-11.2/bin:/opt/TensorRT-8.6.1.6/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.2/lib64:/opt/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH"

验证

nvcc -V 

# 输出以下信息安装成功
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:08:53_PST_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0

三、cudnn 安装

解压cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz

tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZG12LLfN-1691460393859)(H:\360MoveData\Users\Administrator\Desktop\显卡环境安装包\ubuntu显卡环境安装.assets\image-20230808094350495.png)]

include 和lib分别复制到cuda 安装目录下的 include 和lib

sudo cp -r include/* /usr/local/cuda-11.2/include
sudo cp -r lib/* /usr/local/cuda-11.2/lib64

四、TensorRT 安装

tar -xvf tensorrt-8.2.5.1.linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz
sudo mv TensorRT-8.2.5.1/ /opt

添加到环境变量，可选

sudo vim ~/.baschrc

# 	结尾添加
# CUDA 和 TensorRT 相关环境变量
export PATH="/usr/bin:/usr/local/bin:/usr/sbin:/usr/local/cuda-11.2/bin:/opt/TensorRT-8.6.1.6/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.2/lib64:/opt/TensorRT-8.6.1.6/lib:$LD_LIBRARY_PATH"

# 更新资源
source ~/.baschrc

五、NVIDIA CONTAINER TOOLKIT 安装

是一个用于在 NVIDIA GPU 上运行容器应用程序的工具包。它提供了一系列的组件和工具，用于管理和优化 GPU 加速的容器化工作负载。

NVIDIA Docker 运行时（nvidia-docker2）：它是一个 Docker 运行时插件，允许容器与宿主机共享 NVIDIA GPU 资源。这使得开发人员可以在容器中轻松地访问和使用 GPU 加速功能，无需进行复杂的配置。

1、设置NVIDIA容器工具包

安装curl

sudo apt-get install curl

设置程序包存储库和GPG密钥：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
      && 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/$distribution/libnvidia-container.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

2、安装nvidia-container-toolkit 程序包（和依赖项）：

更新程序列表

sudo apt-get update

安装

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

配置Docker守护程序以识别 NVIDIA Container Runtime：

sudo nvidia-ctk runtime configure --runtime=docker

daemon.json：

{
	"registry-mirrors": ["https://zfzbet67.mirror.aliyuncs.com"],
	"runtimes": {
		"nvidia": {
			"path": "/usr/bin/nvidia-container-runtime",
			"runtimeArgs": []
		}
	}
}

重启docker

sudo systemctl restart docker

测试

sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi

输出一下信息，安装成功。文章来源地址https://www.toymoban.com/news/detail-648919.html

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.51.06    Driver Version: 450.51.06    CUDA Version: 11.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla T4            On   | 00000000:00:1E.0 Off |                    0 |
| N/A   34C    P8     9W /  70W |      0MiB / 15109MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+