基于Docker安装的MindSpore-1.2 GPU版本

技术背景

在前面一篇博客中，我们介绍过MindSpore-CPU版本的Docker部署以及简单的案例测试，当时官方还不支持GPU版本的Docker容器化部署。经过MindSpore团队的努力，1.2.0版本的MindSpore-GPU终于推出了Docker版本的安装解决方案：



在本文中我们将针对这一方案进行直接的测试，并补充其中一些很有可能被忽略的细节，接下来直接上手。

更换华为云镜像源

在华为云官方提供的镜像源仓库中找到适配自己系统的源，然后按照其中的指导进行配置。这里我们本地使用的是Ubuntu 20.04版本，可以按照如下的方法更新apt的源：

root@ubuntu2004:~# cp -a /etc/apt/sources.list /etc/apt/sources.list.bak
root@ubuntu2004:~# sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list
root@ubuntu2004:~# sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list
root@ubuntu2004:~# apt-get update

更新镜像源会需要一定的时间，等待即可，这一步一般不会出什么问题。

MindSpore-GPU-Docker的安装

这里可以参考MindSpore官方的指导文档一步步的进行操作，其中遇到一些非常规问题时我们再看看解决的策略：

root@ubuntu2004:~# DISTRIBUTION=$(. /etc/os-release; echo $ID$VERSION_ID)
root@ubuntu2004:~# curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | apt-key add -
gpg: 找不到有效的 OpenPGP 数据。

第二步的操作时非常容易出问题的地方，因为本地的主机列表无法解析这个链接的ip地址。一开始我跟参考链接1的作者类似的，以为是需要上Google才能够解决此类的问题，但是后来尝试了一下参考链接1中的解决方案，发现是可以生效的，这里直接演示解决的方法：

root@ubuntu2004:~# vi /etc/hosts # 在文档的最后面加上下面的四行ip地址与域名相对照的列表
root@ubuntu2004:~# cat /etc/hosts | grep nvidia # 查询修改情况
185.199.108.153 nvidia.github.io
185.199.109.153 nvidia.github.io
185.199.110.153 nvidia.github.io
185.199.111.153 nvidia.github.io

经过上述的简单配置之后，继续MindSpore-GPU-Docker的安装步骤：

root@ubuntu2004:~# curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | apt-key add -
OK
root@ubuntu2004:~# curl -s -L https://nvidia.github.io/nvidia-docker/$DISTRIBUTION/nvidia-docker.list | tee /etc/apt/sources.list.d/nvidia-docker.list
deb https://nvidia.github.io/libnvidia-container/stable/ubuntu18.04/$(ARCH) /
#deb https://nvidia.github.io/libnvidia-container/experimental/ubuntu18.04/$(ARCH) /
deb https://nvidia.github.io/nvidia-container-runtime/stable/ubuntu18.04/$(ARCH) /
#deb https://nvidia.github.io/nvidia-container-runtime/experimental/ubuntu18.04/$(ARCH) /
deb https://nvidia.github.io/nvidia-docker/ubuntu18.04/$(ARCH) /
root@ubuntu2004:~# apt-get update && sudo apt-get install -y nvidia-container-toolkit nvidia-docker2
root@ubuntu2004:~# systemctl restart docker

到这里所需要的依赖就已经安装完成了，最后还有一步是需要修改docker的配置文件，使得MindSpore可以使用Docker的nvidia-container-runtime：

root@ubuntu2004:~# vi /etc/docker/daemon.json # 修改成如下所示的配置
root@ubuntu2004:~# cat /etc/docker/daemon.json
{
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}

root@ubuntu2004:~# systemctl daemon-reload # 重新加载配置
root@ubuntu2004:~# systemctl restart docker # 重启Docker

上述配置都完成之后，终于到了最后一步，使用Docker来拉取MindSpore的官方镜像：

root@ubuntu2004:~# docker pull swr.cn-south-1.myhuaweicloud.com/mindspore/mindspore-gpu:1.2.0
1.2.0: Pulling from mindspore/mindspore-gpu
6e0aa5e7af40: Pull complete
d47239a868b3: Pull complete
49cbb10cca85: Pull complete
4450dd082e0f: Pull complete
b4bc5dc4c4f3: Pull complete
5353957e2ca6: Pull complete
f91e05a16062: Pull complete
7a841761f52f: Pull complete
698198ce2872: Pull complete
05a2da03249e: Pull complete
b1761864f72a: Pull complete
29479e68065f: Pull complete
4bf6be16ed12: Pull complete
c429d95fc15b: Pull complete
48c41c211021: Pull complete
349cae3c1ede: Pull complete
768237cdcd4d: Pull complete
2fd2faf6c353: Pull complete
268f4496a02c: Pull complete
e962d4980323: Pull complete
f1d280968a28: Pull complete
bc3e02707e81: Pull complete
Digest: sha256:3318c68d63cfe110e85d7ed93398b308f8458624dc96aad9a4d31bc6d345daa7
Status: Downloaded newer image for swr.cn-south-1.myhuaweicloud.com/mindspore/mindspore-gpu:1.2.0
swr.cn-south-1.myhuaweicloud.com/mindspore/mindspore-gpu:1.2.0

关于Docker这里要多说两点：

1. Docker在Ubuntu20.04上面的安装不是apt-get install docker，而是apt-get install docker.io
2. 关于更多Docker的使用示例，可以参考这些以往的博客（博客1，博客2，博客3，博客4，博客5）。

MindSpore-GPU的测试

测试用例同样也来自于MindSpore的官方文档，这里只是额外补充了一个本地的目录映射，将测试目录/home/dechin/projects/mindspore/test/映射为MindSpore容器中的/home目录，这样在容器内操作所导致的文件变更都会在本地测试目录下同步。需要注意的是，这里的目录映射只能采用绝对路径而不能采用相对路径：

dechin@ubuntu2004:~/projects/mindspore/test$ sudo docker run -it -v /dev/shm:/dev/shm -v /home/dechin/projects/mindspore/test/:/home --runtime=nvidia --privileged=true swr.cn-south-1.myhuaweicloud.com/mindspore/mindspore-gpu:1.2.0 /bin/bash
[sudo] dechin 的密码：
root@0b44a5a66fca:/# cd /home/
root@0b44a5a66fca:/home# vim mindspore_test.py # python文件的具体内容在后面
root@0b44a5a66fca:/home# python mindspore_test.py
[[[[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]

  [[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]

  [[2. 2. 2. 2.]
   [2. 2. 2. 2.]
   [2. 2. 2. 2.]]]]

如下所示是刚才在容器中用于测试的python代码：

# mindspore_test.py

import numpy as np
import mindspore.context as context
import mindspore.ops as ops
from mindspore import Tensor

context.set_context(mode=context.PYNATIVE_MODE, device_target="GPU")

x = Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))

我们可以看到最终是成功的运行了，说明MindSpore-GPU的Docker容器化环境部署成功。

总结概要

继上一篇文章介绍了MindSpore的CPU版本的Docker容器化部署之后，MindSpore官方团队推出了MindSpore的GPU版本的Docker容器化部署方案，本文针对这一方案进行了安装测试，并且对于其中一些安装的时候可以遇到的问题的细节进行了处理。之所以采用容器化的解决方案，主要是为了做到SDK环境与编程环境的隔离，释放本地环境配置与部署的压力。当然，也使得本地的开发环境更加的“干净”。

版权声明

本文首发链接为：https://www.cnblogs.com/dechinphy/p/dmg.html

作者ID：DechinPhy

更多原著文章请参考：https://www.cnblogs.com/dechinphy/

参考链接

1. https://blog.csdn.net/weixin_43002433/article/details/108888927
2. https://www.cnblogs.com/dechinphy/p/mindspore.html