安装NVIDIA-DOCKER

本文详细介绍了如何从卸载 NVIDIA-docker1.0 开始,一步步安装并配置 NVIDIA-docker2 的全过程。包括了清理旧版本、添加新的软件包存储库、更新并安装 NVIDIA-docker2,最后通过官方 CUDA 映像测试配置是否成功。
部署运行你感兴趣的模型镜像

添加链接描述

If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers

docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker

Add the package repositories

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey |
sudo apt-key add -
distribution=$(. /etc/os-release;echo I D ID IDVERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list |
sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

Install nvidia-docker2 and reload the Docker daemon configuration

sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

Test nvidia-smi with the latest official CUDA image

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

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 如何在Linux上安装配置NVIDIA-Docker #### 系统需求 为了成功安装 NVIDIA Docker,在 Linux 主机上的环境需满足特定条件。操作系统应为 GNU/Linux x86_64 并且内核版本大于 3.10;Docker 版本至少为 1.9 或更高,推荐使用官方提供的 docker-engine, docker-ce 或者 docker-ee;硬件方面则需要配备架构超过 Fermi (2.1) 的 NVIDIA GPU 和不低于 340.29 版本的 NVIDIA 显卡驱动程序,并确保已正确安装 `nvidia-modprobe` 工具[^3]。 #### 准备工作 确认已经完成 DockerNVIDIA 显卡驱动的安装是必要的前置步骤。这一步骤对于后续操作至关重要,因为 nvidia-docker2 将依赖于这些组件来实现容器内的 GPU 加速功能[^2]。 #### 安装过程 针对不同发行版的操作略有差异: ##### Ubuntu/Debian 类系统 可以通过 APT 包管理器获取最新版本的 NVIDIA Container Toolkit: ```bash distribution=$(. /etc/os-s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker ``` ##### CentOS/RHEL 类系统 对于基于 Red Hat 的系统,则可以利用 YUM 来部署所需的工具包: ```bash 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 sudo yum clean all sudo yum install -y nvidia-container-toolkit sudo systemctl restart docker ``` 以上命令会自动处理所有必需项并重启 Docker 服务以应用更改[^4]。 #### 测试验证 最后通过运行带有 CUDA 示例镜像的小型测试案例来检验安装是否成功: ```bash docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi ``` 如果一切正常,上述指令将会显示当前系统的 GPU 使用情况报告,证明 NVIDIA-Docker 正确安装并能够访问到本地 GPU 资源[^1]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值