这是一篇旧文,前几天配置了一台新的深度学习主机,在软件环境搭建的时候,参考以前写的文章,发现有些步骤需要更新,特此将原文做一些修改,以跟上最新的软件版本。主要的变化有:
Ubuntu版本从16.04变化为18.04
CUDA版本从9.2变化为10.1
nvidia-docker2已经废弃,因为Docker 19.03之后的版本原生支持NVIDIA GPUs
以下是正文。
这篇深度学习环境配置有两个关键词,一个是Docker虚拟机,另一个是GPU加速。
首先说一下Docker虚拟机。为什么需要虚拟机?不知道你是否有过这样的经历,在github上看到一个有趣的开源项目,把代码下载下来,按照项目上的说明编译运行,结果发现怎么也不能成功。
或者反过来,你开发了一个不错的项目,丢到github,并把编译步骤尽可能详细的写了出来,然而还是有一堆开发者发布issue,说代码编译运行存在问题。你也很无辜啊,明明在我这儿好好的,怎么到了别人那里就状况百出呢?
为什么会出现这个状况?主要是软件行业讲究快速迭代,快步向前,软件会不停更新。就拿TensorFlow来说,从发布到现在,不知道更新了多个版本。虽然作为软件开发者会尽力保证向前兼容,但实际上很难做到完美兼容。为了解决这一兼容问题,就有必要使用到虚拟机,现在很多开源项目都会提供一个虚拟机文件,里面包含了所有项目所需的软件包和环境。
接下来说一下GPU加速。使用Docker虚拟机解决了开发环境问题,但同时又引入了另一个问题:虚拟机通常无法启用GPU。我们知道,深度学习属于计算密集型应用,特别是在训练模型阶段,往往需要花上几个小时甚至几十天的时间来训练一个模型,开启与不开启GPU往往有几十倍的性能差距。作为一名严肃的深度学习开发者,非常有必要使用一台带GPU的高性能计算机,并开启GPU支持。
那么问题来了,如何既享受Docker虚拟机带来的环境隔离的便捷,又能体验到GPU加速带来的性能提升?
有问题,自然会有人站出来提供解决方案。Nvidia公司就为自家的N卡提供了解决方案:nvidia-docker。下面就说说Nvidia的配置方案是怎样的。
在开始之前作如下声明:
本文针对的是Nvidia显卡的配置说明,如果你用的是ATI显卡或其它品牌显卡,请出门右转找Google
本文针对的是Ubuntu系统的配置说明,这不表示其它操作系统就无法配置,如果你使用的是其它操作系统,请自行百度。
本文的实践环境是Ubuntu 18.04 64位操作系统和RTX 2080 Ti显卡,其他版本的Ubuntu或者其他型号的Nvidia显卡,理论上也是适用的,但无法百分之百保证,可能有些步骤需要稍作修改。
CUDA(Compute Unified Device Architecture)是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。
如果你只准备在虚拟机上工作,理论上Host上只需安装Nvidia GPU Driver即可。考虑到大多数情况开发者用的是Python虚拟环境,在Python虚拟环境中启用GPU,是需要安装CUDA Toolkit的,所以还是建议安装CUDA Toolkit,其中包含驱动。
首先确认一下显卡型号,在Linux系统上可以使用lspci命令:
$ lspci | grep VGA
01:00.0 VGA compatible controller: NVIDIA Corporation Device 1e04 (rev a1)
显卡型号太新,没识别出来 :( ,不过看到NVIDIA字样,问题不大,前往Nvidia的CUDA GPUs页面,可以查到,基本上所有的N卡都支持CUDA,自然我的GeForce RTX 2080 Ti也支持(属于GeForce系列)。
CUDA的版本一直在更新,截至我写这篇文章的时候,最新版本是10.1。当然安装老版本也是可以的,不过我一直秉承着装新不装旧的原则,通常都会选择最新版本。
按照Nvidia的安装指导,进行如下操作:
$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
$ sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
$ sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
$ sudo add-apt-repository "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
$ sudo apt-get update
$ sudo apt-get -y install cuda
如果在安装时提示以下错误:
gpgkeys: protocol `https' not supported
解决方法也很简单,将所需的包装上:
$ sudo apt install gnupg-curl
接下来,你可以倒杯咖啡,慢慢品尝,这个步骤可能会花一点时间,毕竟有差不多3GB的软件包需要下载。
为了避免每次都设置环境变量,建议将如下环境变量设置加入到~/.bashrc(或~/.profile)文件中:
# for nvidia CUDA
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
要让环境变量立即生效,可以先注销,然后再登录进来。或者执行如下命令:
$ source ~/.bashrc
重启机器,尝试编译CUDA示例来验证CUDA是否正常安装。可以使用如下命令安装CUDA示例代码:
$ cuda-install-samples-10.1.sh ~
其中 ~ 代表将代码安装到HOME目录下,当然你也可以安装到别的位置。
接下来就是编译示例代码:
$ cd ~/NVIDIA_CUDA-10.1_Samples/
$ make
你又可以来杯咖啡了,取决于你电脑的CPU,这一步骤可能需要几十分钟的时间。
编译完成后,运行其中的一个示例程序:
$ ./bin/x86_64/linux/release/deviceQuery | tail -n 1
如果输出Result = PASS就表示CUDA是正常工作的。
首先加入nvidia-docker包列表:
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -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
接下来,确保你的机器上安装的是最新的docker-ce,这意味着如果你之前安装了docker-engine, docker.io,需要先卸载。别担心,这些都是docker家族的成员,只不过在不同时候取了不同的名称,最新的docker-ce是这些版本的升级版:
# 移除所有之前的Docker版本
$ sudo apt-get remove docker docker-engine docker.io
$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
$ sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu bionic stable"
$ sudo apt-get update
$ sudo apt install docker-ce
有了最新的docker,最后来安装nvidia-docker:
$ sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
$ sudo systemctl restart docker
进行到这一步,nvidia-docker安装完毕,那如何检验nvidia-docker正确安装了呢?
我们可以启动nvidia提供的docker镜像,里面有一个实用程序nvidia-smi,它用来监视(并管理)GPU:
$ docker run --gpus all nvidia/cuda nvidia-smi
如果得到形如如下的输出,就说明docker容器GPU已经启用。
你还可以做一个测试,看看CPU与GPU之间到底有多大的差距。下面是一段来自learningtensorflow.com的基准测试脚本:
import sys
import numpy as np
import tensorflow as tf
from datetime import datetime
device_name = sys.argv[1] # Choose device from cmd line. Options: gpu or cpu
shape = (int(sys.argv[2]), int(sys.argv[2]))
if device_name == "gpu":
device_name = "/gpu:0"
else:
device_name = "/cpu:0"
with tf.device(device_name):
random_matrix = tf.random_uniform(shape=shape, minval=0, maxval=1)
dot_operation = tf.matmul(random_matrix, tf.transpose(random_matrix))
sum_operation = tf.reduce_sum(dot_operation)
startTime = datetime.now()
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as session:
result = session.run(sum_operation)
print(result)
# It can be hard to see the results on the terminal with lots of output -- add some newlines to improve readability.
print("\n" * 5)
print("Shape:", shape, "Device:", device_name)
print("Time taken:", str(datetime.now() - startTime))
在当前目录下创建内容如上的python文件:benchmark.py,然后启动支持GPU的tensorflow docker镜像,运行该tensorflow程序:
$ docker run \
--gpus all \
--rm \
-ti \
-v "${PWD}:/app" \
tensorflow/tensorflow:1.13.2-gpu \
python /app/benchmark.py cpu 10000
上面的命令是CPU版本的,运行完之后,将命令中的cpu参数修改为gpu,再运行一次。
在我的机器上,结果分别为:
CPU: ('Time taken:', '0:00:04.018559')
GPU: ('Time taken:', '0:00:00.773750')
也许你会觉得就几秒的差距,也没啥?要知道,这可是差不多六七倍的差距。假如你的深度学习项目采用GPU需要24个小时,那么不启用GPU则需要一周的时间,这个还是有着巨大的差距的。
Using NVIDIA GPU within Docker Containers
CUDA Quick Start Guide
NVIDIA Container Runtime for Docker
Docker for Ubuntu