Utilisation de cuda11.0 avec pytorch en utilisant Docker

Depuis le 14 octobre 2020, pytorch official n'a pas de méthode d'installation pour cuda11.0. Par conséquent, je vais vous expliquer la procédure de construction d'un environnement pytorch pour cuda11.0 à l'aide de Docker.

Conditions préalables

Comme condition préalable, il est supposé que les pilotes Docker et nvidia sont installés. Veuillez vous référer à d'autres articles pour ces installations.

$ nvidia-smi

Vérifiez également que la version cuda est 11.0 avec la commande ci-dessus.

Téléchargez le conteneur Pytorch

Veuillez accéder au site nvidia, enregistrez vos informations d'utilisateur, puis ouvrez l'écran Pytorch.

$ sudo docker pull nvcr.io/nvidia/pytorch:20.09-py3

Puisque la commande pull a la commande ci-dessus, copiez-la et exécutez-la dans le terminal.

$ sudo docker images

Vérifiez si vous pouvez installer avec cette commande. nvcr.io/nvidia/pytorch 20.09-py3 S'il y a une image qui le dit, c'est une réussite.

Vérifiez si Pytorch peut utiliser Cuda

Exécutez la commande pour lister les images, vérifiez l'ID IMAGE de pytorch, copiez-le et exécutez la commande suivante.

$ sudo docker run -it --gpus all [IMAGE ID] bash

Puis avec bash

$ python
>> import torch
>> print(torch.cuda.is_available())

Si true est renvoyé avec this, il réussit. bash peut être quitté avec contrôle + d. (Linux)

Créer un conteneur et monter le fichier

Veuillez quitter bash une fois.

$ sudo docker ps -a

Vous pouvez vérifier le conteneur créé lorsque vous avez exécuté bash plus tôt avec la commande ci-dessus. Utilisez cet ID DE CONTENEUR.

$ sudo docker inspect [CONTAINER ID]

Trouvez WorkingDir avec control + f. De plus, utilisez la commande pour vérifier le chemin du dossier sur le PC où vous souhaitez travailler.

$ pwd

Créez ensuite un conteneur sur le site nvidia plus tôt, comme décrit dans la présentation.

$ sudo docker run --gpus all -it --rm -v [Le chemin du dossier sur lequel vous souhaitez travailler]:[workingDir] nvcr.io/nvidia/pytorch:20.09-py3

Dans mon cas

$ sudo docker run --gpus all -it --rm -v /home/myname/Desktop/hoge:/workspace　nvcr.io/nvidia/pytorch:20.09-py3

Après cela, vous devriez être en mesure de confirmer que le conteneur est lancé.

finalement

Veuillez faire attention car il peut y avoir des fautes de frappe. J'espère que ce sera une connexion jusqu'à ce que le fonctionnaire publie la méthode d'installation.