深度学习服务器完整配置手册（三、GPU显卡cuda和驱动一起安装，docker安装）

引用：

https://developer.nvidia.com/cuda-downloads

https://blog.csdn.net/FYZ530357172/article/details/79217460

为了防止参考链接失效，粘贴如下，自己会根据实际安装过程的变化更新教程：

 

英伟达cuda和驱动直接安装网站给的方式装即可。

docker安装：

• NVIDIA Docker：轻松实现GPU服务器应用程序部署

使用存储库进行安装

首次在新的主机上安装Docker CE之前，需要设置Docker存储库。之后，您可以从存储库安装和更新Docker。

一、Docker CE

Get Docker CE for Ubuntu

1. Install

更新apt软件包索引：

$ sudo apt-get update

安装软件包以允许apt通过HTTPS使用存储库：

$ sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ software-properties-common

 

添加Docker的官方GPG密钥：

$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

 

9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88通过搜索指纹的最后8个字符，确认您现在拥有指纹的密钥 。

$ sudo apt-key fingerprint 0EBFCD88

 

pub   4096R/0EBFCD88 2017-02-22 Key fingerprint = 9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88 uid Docker Release (CE deb) <[e-mail]> sub 4096R/F273FCD8 2017-02-22

 

使用以下命令来设置稳定的存储库。

$ sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable"

 

安装DOCKER CE

更新apt软件包索引。

$ sudo apt-get update

 

安装最新版本的Docker CE，或者转到下一步安装特定版本。任何现有的Docker安装都将被替换。

$ sudo apt-get install docker-ce

 

Docker守护进程自动启动。

通过运行hello-world 映像验证是否正确安装了Docker CE 。

$ sudo docker run hello-world

 

这个命令下载一个测试图像并在容器中运行。容器运行时，会打印一条信息消息并退出。

Docker CE已安装并正在运行。该docker组已创建，但未添加用户。您需要使用sudo运行Docker命令。继续Linux postinstall以允许非特权用户运行Docker命令以及其他可选的配置步骤。
要创建docker组并添加您的用户：

1. 创建docker组。

$ sudo groupadd docker

 

1. 将您的用户添加到docker组中。

$ sudo usermod -aG docker $USER

 # 之后或许需要更新docker组才可以：

# 通过将用户添加到docker用户组可以将sudo去掉，命令如下：

sudo groupadd docker #添加docker用户组

sudo gpasswd -a $USER docker #将登陆用户加入到docker用户组中

newgrp docker #更新用户组

 

1. 注销并重新登录，以便重新评估您的组成员资格。

   如果在虚拟机上进行测试，可能需要重新启动虚拟机才能使更改生效。

   在桌面Linux环境（如X Windows）上，完全退出会话，然后重新登录。

2. 验证您可以不运行docker命令sudo。

$ docker run hello-world

 

二、Nvidia-docker

1. Install

1. 按照此处的说明安装您的发行版的存储库。

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update

 

1. 安装nvidia-docker2软件包并重新加载Docker守护程序配置：

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

 

• docker加速

  1. Usage

docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi

以上的nvidia/cuda需要根据安装的cuda版本修改，否则安装最新版本安装。

比如改为：nvidia/cuda:10.0-base

- nvidia-docker安装

安装deepo,采用 registry.docker-cn.com 加速

docker pull registry.docker-cn.com/ufoym/deepo

 

三、Deepno:

1. Deepno简介

一系列的Docker镜像（及其生成器），让您快速建立深度学习研究环境。https://github.com/ufoym/deepo

Deepo是一系列的 Docker镜像

让您快速建立您的深度学习研究环境
- 支持几乎所有常用的深度学习框架
- 支持GPU加速（包括CUDA和cuDNN），也可以在纯CPU模式下工作
- 适用于Linux（CPU版本 / GPU版本），Windows（CPU版本）和OS X（CPU版本）

和他们的Dockerfile生成器

• 使您可以使用类乐高模块来定制自己的环境

- 自动为您解析相关性

2. Installation

• Step 1. Install Docker and nvidia-docker.

• Step 2. Obtain the all-in-one image from Docker Hub

docker pull ufoym/deepo #速度慢 docker pull registry.docker-cn.com/ufoym/deepo #采用加速

 

3. Usage

nvidia-docker run --rm ufoym/deepo nvidia-smi #使Deepo能够使用docker容器内的GPU nvidia-docker run -it ufoym/deepo bash #交互式shell