docker安装pytorch + TensorRT环境 + 自定义镜像视频流

1.安装docker

(https://docs.docker.com/engine/install/ubuntu/)
做完上面帖子安装nvidia tookit

# 移除现有的Docker软件包及其依赖项：
sudo apt-get remove docker docker-engine docker.io containerd runc

# 安装依赖项并添加Docker官方GPG密钥：
sudo apt-get update
sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

# 添加Docker官方软件包仓库：
echo \
  "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 更新软件包列表并安装Docker：
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

# 重启docker
sudo systemctl restart docker

# 安装nvidia tookit
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

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

2. 把docker挂在到磁盘空间较大的目录

2.1 改法1

/data/docker/

# 停止Docker运行
sudo service docker stop
# 挂载到有磁盘空间较大的文件夹下面
sudo dockerd --data-root /data/docker

2.2 改法2

# 查看路径
docker info | grep 'Docker Root Dir'
# 更改文件
sudo mkdir /data/docker
sudo vim /etc/docker/daemon.json


# 添加
{
    "data-root": "/data/docker"
}

# 重启docker
sudo systemctl restart docker

3. 安装pytorch_的docker

官方镜像的地址: (https://catalog.ngc.nvidia.com/orgs/nvidia/containers/pytorch/tags)

我在我的服务器挂载的磁盘上mkdir了一个文件夹pyt_env_1.12, 这个文件夹存放我挂载在pytorch容器的文件, 方便git管理

/data/pyt_env_1.12/

docker run --gpus all -it --name env_pyt_1.12 -v /data/pyt_env_1.12:/app nvcr.io/nvidia/pytorch:22.03-py3

4. 检查容器内是否成功安装上pytorch

# 容器内部检查pytorch可用性
$ python
>>> import torch
>>> torch.__version__
>>> print(torch.cuda.is_available())
True

5. 打开container新建一个python文件

import torch
import torchvision

print("PyTorch version:", torch.__version__)
print("Torchvision version:", torchvision.__version__)

if torch.cuda.is_available():
    device = torch.device("cuda")
    print("CUDA is available on", device)
else:
    print("CUDA is not available")

PyTorch version: 1.12.0a0+2c916ef
Torchvision version: 0.13.0a0
CUDA is available on cuda

成功！

6. 安装TensorRT的docker

我新建了一个文件夹叫trt_env文件夹用来挂载TensorRT的文件

docker run --gpus all -it --name env_trt -v /data/trt_env:/app nvcr.io/nvidia/tensorrt:22.08-py3

7. 创建自定义镜像

# 启动镜像
docker start env_trt

# 查看当前正在使用的容器
docker ps

# 停止使用容器
docker stop env_trt

# 创建自定义镜像
docker commit env_trt env_trt_img

# 未映射端口
docker run --gpus all -it --name env_trt -v $(pwd):/app nvcr.io/nvidia/tensorrt:22.08-py3

8. 腾讯云小问题

需要按照以下步骤添加 Docker 仓库的 GPG 密钥，不然没有办法sudo apt-get update

首先，尝试使用以下命令导入 GPG 密钥：

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

然后，将 Docker 仓库添加到您的系统源列表中：

echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null



sudo apt-get update