第 3 節

Docker直通

0瀏覽次數0訪問次數--跳出率--平均停留

USB直通

  1. 方法一(不是很推薦新手)：

創建容器的時候把需要的設備加在紅色部分這裏即可。可以通過下面的命令查看想要的設備的名字。

ls /dev
#例如
--device=/dev/tty_USB0
  1. 方法二(個人更加推薦，不用重新再掛載了，雖然安全性會降低，但是別人利用安全權限能夠攻擊你的概率很低很低，企業服務器才需要提防)：
--privileged

直接添加一行綠色部分，然後所有設備都會被掛載到docker了。(紅色部分就不用寫了）

NVIDIA顯卡直通

NVIDIA Container Toolkit使用户 能夠構建和運行GPU加速的容器 。該工具包包括一個容器運行庫和實用程序，用於自動配置容器以利用NVIDIA GPU。

https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

安裝

（儘量能看官方就看官方的，安裝方式可能會更新）

Ubuntu
  1. 配置存儲庫 並更新
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/stable/deb/nvidia-container-toolkit.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
  1. 安裝nvidia-docker2
sudo apt-get install -y nvidia-docker2
  1. 使用nvidia-ctk命令配置container runtime
sudo nvidia-ctk runtime configure --runtime=docker
  1. 重啓docker服務:
sudo systemctl restart docker
Fedora
  1. Configure the production repository:
curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo | \
sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
  1. Optionally, configure the repository to use experimental packages:

# 如果是RHEL或者Rocky（DNF4）
sudo dnf config-manager --add-repo https://nvidia.github.io/libnvidia-container/stable/rpm/libnvidia-container.repo

# 如果是Feodra41+（DNF5）
sudo dnf config-manager addrepo --from-repofile=https://nvidia.github.io/libnvidia-container/stable/rpm/libnvidia-container.repo
  1. Install the NVIDIA Container Toolkit packages:

# 如果是RHEL或者Rocky
sudo dnf install -y nvidia-container-toolkit

# 如果是Fedora
sudo dnf install -y nvidia-container-toolkit
  1. 安裝nvidia-docker2 ： 在Fedora上使用dnf進行安裝。
sudo dnf install -y nvidia-docker2
  1. 使用nvidia-ctk命令配置容器運行時 ： 這個命令用於配置NVIDIA Container Toolkit與Docker集成。命令如下：
sudo nvidia-ctk runtime configure --runtime=docker
  1. 重啓Docker服務 ： 完成配置後，必須重啓Docker服務以使更改生效：
sudo systemctl restart docker

這些步驟執行後，Docker將使用NVIDIA Container Runtime，並支持GPU加速的容器運行。你可以使用nvidia-smi命令來驗證容器中的NVIDIA GPU是否可用。

測試是否可用

  1. 運行nvidia cuda 容器進行測試 ：

可以使用下面指令進行測試，docker會自動從nvidia/cuda拉取11.0.3-base-ubuntu20.04鏡像，並創建一個運行一次即刪除的容器。

sudo docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi

Docker配置CUDA和CuDNN

如果你不需要自己創建Docker鏡像，直接使用學長或者其他人創建好的鏡像，則不用看該章節，容器的CUDA和CuDNN是和本地完全隔離的環境，你本地有沒有CUDA都無所謂，但英偉達驅動版本必須滿足CUDA的最低版本要求。

下面是如果你想自己創建鏡像，則可以在學會如何創建容器的鏡像後再回來看本節：

https://hub.docker.com/r/nvidia/cuda

在上方這個網站中，英偉達都幫我們配置好了CUDA和CuDNN了，我們根本不需要自己去配置了，比傳統方式要簡單太多太多了。

我們只需要找到對應的Docker鏡像當底包即可。

CUDA鏡像有三個類型，如下，如果我們需要編譯OpenCV4,那麼需要使用devel版的CUDA。

鏡像類型適用場景示例標籤大小
base僅需 CUDA 運行時庫12.4.0-base-ubuntu22.04~240MB
runtime部署編譯後的應用（含數學庫）12.4.0-runtime-ubuntu22.04~2GB
devel開發環境（含編譯工具）12.4.0-devel-ubuntu22.04~3GB

我示例一個，比如我想用在Ubuntu24.04上用CUDA12.6和CuDNN，那麼就選擇nvidia/cuda:12.6.0-cudnn-devel-ubuntu24.04。這個鏡像既有CUDA-devel也有CuDNN，而且還是基於Ubuntu24.04的。

在dockerfile裏就可以開頭這麼寫。


# 基于NVIDIA官方CUDA 12.6和CuDNN基础镜像
FROM nvidia/cuda:12.6.0-cudnn-devel-ubuntu24.04

配置以太網

--net=host \

啓動參數里加上這行即可。具體在下方。

音乐页