系統(tǒng)環(huán)境:ubuntu22.04

英偉達(dá)驅(qū)動版本NVIDIA-Linux-x86_64-515.76.run

Anaconda版本Anaconda3-2022.10-Linux-x86_64

本教程全部在已安裝好系統(tǒng)和驅(qū)動的前提下進(jìn)行操作

?

1 卸載系統(tǒng)上比較舊的docker應(yīng)用

sudo apt-get autoremove docker docker-ce docker-engine? docker.io? containerd runc

然后用grep查看還有沒有docker相關(guān)的文件

dpkg -l | grep docker

比如說發(fā)現(xiàn)還有docker-container沒卸載掉

sudo apt-get autoremove docker-container

像這樣全部卸載掉

卸載完之后用命令檢查是否卸載干凈

sudo docker version

沒有任何輸出即可

?

2 安裝新的docker

???????

?????? curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

?

echo \

? ??? "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \

????? ?$(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

?????? #更新軟件源

sudo apt-get update

?????? #安裝docker

sudo apt-get install docker-ce docker-ce-cli containerd.io

?

3 將docker添加到非root用戶

以非root用戶身份管理Docker

Docker守護(hù)程序綁定到Unix套接字而不是TCP端口。默認(rèn)情況下，Unix套接字由用戶擁有root，其他用戶只能使用sudo來訪問它。Docker守護(hù)程序始終以root用戶身份運(yùn)行。

如果你不想在前言docker與命令sudo，創(chuàng)建一個名為UNIX組docker和用戶添加到它。Docker守護(hù)程序啟動時，它會創(chuàng)建一個可由該docker組成員訪問的Unix套接字。

?

1.創(chuàng)建用戶組

sudo groupadd docker

2.將您的用戶添加到該docker組。

sudo usermod -aG docker $USER

如果沒有用則

sudo gpasswd -a ${USER} docker

然后重啟docker

systemctl restart docker

最后給docker.sock加權(quán)

sudo chmod a+rw /var/run/docker.sock

?

4 安裝nvidia-container-toolkit

?????? 這里解釋一下為什么不用nvidia-docker和nvidia-docker2

?????? 上述兩個已經(jīng)被英偉達(dá)迭代了，使用的話會出現(xiàn)別的問題

?????? 這里按照官方推薦使用nvidia-container-toolkit會更好

?????? 跟著命令一步步來

$ 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

?

$ sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

$ sudo systemctl restart docker

?

5 安裝好之后我們可以測試一下

?????? sudo docker run --rm --gpus all nvidia/cuda:11.7.0-base-ubuntu22.04 nvidia-smi

?????? 在這里要注意紅色部分

?????? Docker Hub中的CUDA, CUDAGL和OPENGL鏡像已經(jīng)棄用"latest"標(biāo)簽

在supported-tags中找到與自己系統(tǒng)對應(yīng)的cuda版本，并將nvidia/cuda:latest中的latest改成對應(yīng)的版本

對應(yīng)的網(wǎng)址如下

https://gitlab.com/nvidia/container-images/cuda/blob/master/doc/supported-tags.md

?

6 輸入ngc密鑰

docker login nvcr.io

登錄NGC獲得權(quán)限

?

7 創(chuàng)建conda虛擬環(huán)境

創(chuàng)建conda環(huán)境

這里需要注意TAO對python是有要求的，隨時記得參照官網(wǎng)

conda create -n launcher python=3.6.9

conda activate launcher

#如果想刪除conda環(huán)境，這里示例一下刪除已創(chuàng)建的名為test的環(huán)境

conda remove -n test?- -all

?

8 安裝TAO

pip3 install nvidia-pyindex

pip3 install nvidia-tao

?

9 安裝NGC CLI *******參考我專欄的NGC CLI配置**********

10 下載示例文件用以學(xué)習(xí)TAO toolkit

wget --content-disposition https://api.ngc.nvidia.com/v2/resources/nvidia/tao/cv_samples/versions/v1.4.0/zip -O cv_samples_v1.4.0.zip

解壓

unzip -u cv_samples_v1.4.0.zip? -d ./cv_samples_v1.4.0 && rm -rf cv_samples_v1.4.0.zip && cd ./cv_samples_v1.4.0

?

11?conda環(huán)境里安裝jupyter并啟動

pip3 install jupyter

jupyter notebook --ip 0.0.0.0 --allow-root --port 8888

12 在打開的notebook里找到自己第十步解壓的文件，參考里面的示例進(jìn)行學(xué)習(xí)