今天小编给大家分享一下CentOS7 Nvidia Docker环境怎么搭建的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
创新互联公司服务项目包括都安网站建设、都安网站制作、都安网页制作以及都安网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，都安网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到都安省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
环境：
系统：centos7 7.4 1708
显卡：nvidia 1080ti
下载所有需要的东东
1、docker-ce yum repo :
2、nvidia-docker yum repo :
3、nvidia cuda yum repo :
4、nvidia cudnn :
这个东西需要注册nvidia账号，就不给直接下载地址了。
5、nvidia驱动 : http://www.nvidia.cn/download/index.aspx?lang=cn
按自己的显卡型号下载
6、nvidia docker file :
这里面可以看到很多dockerfile，选择
9.0-base-centos7 (9.0/base/dockerfile)
其他的cuda9.1这些应该也可以用，另外有像devel和runtime这样的，其实就是yum安装的cuda包不太一样，没多大关系。
点进去后复制下来保存为dockerfile文件，但是之后搞的时候发现有点问题，修改了一下，可以从这儿复制
from centos:7
label maintainer "nvidia corporation "
run nvidia_gpgkey_sum=d1be581509378368edeec8c1eb2958702feedf3bc3d17011adbf24efacce4ab5 && \
curl -fssl https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/7fa2af80.pub | sed '/^version/d' > /etc/pki/rpm-gpg/rpm-gpg-key-nvidia && \
echo "$nvidia_gpgkey_sum /etc/pki/rpm-gpg/rpm-gpg-key-nvidia" | sha256sum -c --strict -
#copy cuda.repo /etc/yum.repos.d/cuda.repo
env cuda_version 9.0.176
env cuda_pkg_version 9-0-$cuda_version-1
#run yum install -y \
# cuda-cudart-$cuda_pkg_version && \
# ln -s cuda-9.0 /usr/local/cuda && \
# rm -rf /var/cache/yum/*
# nvidia-docker 1.0
label com.nvidia.volumes.needed="nvidia_driver"
label com.nvidia.cuda.version="${cuda_version}"
run echo "/usr/local/nvidia/lib" >> /etc/ld.so.conf.d/nvidia.conf && \
echo "/usr/local/nvidia/lib64" >> /etc/ld.so.conf.d/nvidia.conf
env path /usr/local/nvidia/bin:/usr/local/cuda/bin:${path}
env ld_library_path /usr/local/nvidia/lib:/usr/local/nvidia/lib64
# nvidia-container-runtime
env nvidia_visible_devices all
env nvidia_driver_capabilities compute,utility
env nvidia_require_cuda "cuda>=9.0"
所有的文件
[root@localhost nvidia]# pwd
/root/nvidia
[root@localhost nvidia]# ll
total 420000
drwxr-xr-x. 2 root root 4096 feb 10 10:50 centos-gpu
-rw-r--r--. 1 root root 3335 jan 29 10:36 cuda-repo-rhel7-9.1.85-1.x86_64.rpm
-rw-r--r--. 1 root root 348817823 feb 6 16:26 cudnn-9.0-linux-x64-v7.tgz
-rw-r--r--. 1 root root 2424 feb 9 10:36 docker-ce.repo
-rw-r--r--. 1 root root 796 feb 9 17:11 nvidia-docker.repo
-rwxr-xr-x. 1 root root 81242220 jan 31 14:19 nvidia-linux-x86_64-390.25.run
centos-gpu里有dockerfile文件
准备工作
直接上命令，一看就明白
[root@localhost nvidia]# cp docker-ce.repo nvidia-docker.repo /etc/yum.repos.d/
[root@localhost nvidia]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm
[root@localhost nvidia]# yum install epel-release
[root@localhost nvidia]# yum install gcc gcc-c++
[root@localhost nvidia]# yum install kernel*
安装驱动
[root@localhost nvidia]# echo "blacklist nouveau" >>/etc/modprobe.d/blacklist.conf
[root@localhost nvidia]# mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak dracut -v /boot/initramfs-$(uname -r).img $(uname -r)
[root@localhost nvidia]# init 3
[root@localhost nvidia]# chmod +x nvidia-linux-x86_64-390.25.run
[root@localhost nvidia]# ./nvidia-linux-x86_64-390.25.run
大概步骤就是这样，如果出现问题，可以直接网上找一找，应该不会太难
安装和启动docker
[root@localhost nvidia]# yum install docker-ce nvidia-docker
[root@localhost nvidia]# systemctl enable docker
[root@localhost nvidia]# systemctl start docker
[root@localhost nvidia]# systemctl enable nvidia-docker
[root@localhost nvidia]# systemctl start nvidia-docker
记得显卡驱动一定要先装好，nvidia-docker才能正常启动
制作docker镜像
[root@localhost nvidia]# yum install cuda-cudart-9-0-9.0.176-1
[root@localhost nvidia]# ln -s cuda-9.0 /usr/local/cuda
[root@localhost nvidia]# nvidia-docker build -t centos-nvidia /root/nvidia/centos-gpu
如果你是用的我修改的dockfile应该不会有什么问题，如果你是用的原版的，可能会在
#copy cuda.repo /etc/yum.repos.d/cuda.repo
出错，但是咱们已经下载cuda 的 repo，并安装了，所以这一步可以不用。
镜像制作结束后，可以用命令 docker images 查看一下：
[root@localhost centos-gpu]# docker images
repository tag image id created size
centos-nvidia latest a02c8e0ad5ca 2 hours ago 207mb
如果有这一行应该就算是成功了。
生成docker
[root@localhost centos-gpu]# nvidia-docker run --name="centos-gpu2" -ti a02c /bin/bash
[root@34d532e76913 /]# nvidia-smi
sat feb 10 03:42:20 2018
+-----------------------------------------------------------------------------+
| nvidia-smi 390.25 driver version: 390.25 |
|-------------------------------+----------------------+----------------------+
| gpu name persistence-m| bus-id disp.a | volatile uncorr. ecc |
| fan temp perf pwr:usage/cap| memory-usage | gpu-util compute m. |
|===============================+======================+======================|
| 0 geforce gtx 108... off | 00000000:02:00.0 off | n/a |
| 23% 17c p8 8w / 250w | 10mib / 11178mib | 0% default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| processes: gpu memory |
| gpu pid type process name usage |
|=============================================================================|
| no running processes found |
+-----------------------------------------------------------------------------+
[root@34d532e76913 /]# exit
如果类似于上面的输出结果，差不多就可以了。
使用docker
[root@localhost centos-gpu]# nvidia-docker ps -a
container id image command created status ports names
34d532e76913 a02c "/bin/bash" 3 minutes ago exited (0) 12 seconds ago centos-gpu2
d16c2db2bf2e a02c "/bin/bash" 2 hours ago exited (0) 19 minutes ago centos-gpu
370671db8df1 3afd "/bin/bash" 19 hours ago exited (137) 3 hours ago centos-dronemap
[root@localhost centos-gpu]# nvidia-docker start 34d5
34d5
[root@localhost centos-gpu]# nvidia-docker cp /root/nvidia/cuda-repo-rhel7-9.1.85-1.x86_64.rpm 34d532e76913:/root
[root@localhost centos-gpu]# nvidia-docker exec -ti 34d5 /bin/bash
[root@34d532e76913 /]# cd
[root@34d532e76913 ~]# ls
anaconda-ks.cfg cuda-repo-rhel7-9.1.85-1.x86_64.rpm
[root@34d532e76913 ~]# rpm -ivh cuda-repo-rhel7-9.1.85-1.x86_64.rpm
warning: cuda-repo-rhel7-9.1.85-1.x86_64.rpm: header v3 rsa/sha512 signature, key id 7fa2af80: nokey
preparing... ################################# [100%]
updating / installing...
1:cuda-repo-rhel7-9.1.85-1 ################################# [100%]
[root@34d532e76913 ~]# yum install cuda-*9-0*
这里需要注意的是类似于 34d532e76913 这样的编号，是docker自动生成的，运行的时候需要修改一下。
到目前基本上cuda的环境就搭建好了。
tensorflow
把下载的cudnn包用docker cp复制到docker中，解压下来，将里面的lib64路径添加到 /etc/ld.so.conf.d/nvidia.conf 中，运行ldconfig，就ok了。
上面的环境好了以后，再安装python等等软件，这就不说了。之后tensorflow的一些例子就可以在docker里运行了。当然你得安装gpu版本的，才能发挥显卡的威力。
另外也可以不必要这么麻烦，有已经制作好的镜像可以拿来用，可以参考：
其他
另外也有现成的cuda镜像可以用，参考：
直接使用命令：docker pull nvidia/cuda 就可以下载镜像了，只不过这是ubuntu版本的，和我们的生成环境不符，如果要其他版本的可以参考上面的例子。
以上就是“CentOS7 Nvidia Docker环境怎么搭建”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注创新互联行业资讯频道。
分享名称：CentOS7NvidiaDocker环境怎么搭建
本文地址：
http://kswsj.cn/article/ghiodg.html
