【MindSpore】Docker上成功使用MindSpore1.0.0的GPU版本

本文是在宿主机Ubuntu16.04上安装Docker（nvidia-docker），并成功进行MindSpore1.0.0的GPU训练；

• Ubuntu 16.04
• Docker
• Nvidia-docker (cuda:10.1-base)----可使用GPU的docker容器
• mindspore-gpu:1.0.0 Dokcer hub上配置好的mindspore-gpu镜像

一、 先讲述成功的流程
【1】mindspore官网GPU安装教程查看具体流程

• 系统需要ubuntu18.04，但是我的ubuntu系统版本是16.04，因为是多人共用系统，不能直接升级系统，只能通过安装docker的方式；

cat /proc/version     # 使用此命令查看系统版本

【2】安装Docker—我的系统已安装docker
这里提供一篇参考文章：在ubuntu16.04上安装docker的文章

docker version   # 宿主机内执行，用于查看docker是否安装成功

【3】安装nvidia-docker

• 需要先确认已安装了docker 和 nvidia-driver

nvidia-smi   # 检查nvidia-driver 是否安装

• 1

• 为什么需要安装nvidia-docker

nvidia-docker是一个可以使用GPU的docker，nvidia-docker是在docker上做了一层封装，
通过nvidia-docker-plugin，然后调用到docker上，
其最终实现的还是在docker的启动命令上携带一些必要的参数。
因此在安装nvidia-docker之前，还是需要安装docker的。

docker一般都是使用基于CPU的应用，而如果是GPU的话，就需要安装特有的硬件环境，
比如需要安装nvidia driver。
所以docker容器并不直接支持Nvidia GPU。
为了解决这个问题，最早的处理办法是在容器内部，全部重新安装nvidia driver，
然后通过设置相应的设备参数来启动container，然而这种办法是很脆弱的。
因为宿主机的driver的版本必须完全匹配容器内的driver版本，这样导致docker image无法共享，
很可能本地机器的不一致导致每台机器都需要去重复操作，这很大的违背了docker的设计之初。

为了使docker image能很便利的使用Nvidia GPU，从而产生了nvidia-docker，
由它来制作nvidia driver的image，这就要求在目标机器上启动container时，确保字符设备以及驱动文件已经被挂载。
nvidia-docker-plugin是一个docker plugin，被用来帮助我们轻松部署container到GPU混合的环境下。
类似一个守护进程，发现宿主机驱动文件以及GPU 设备，并且将这些挂载到来自docker守护进程的请求中。
以此来支持docker GPU的使用。

• 安装nvidia-docker2.0过程 安装nvidia-docker2.0官方教程

1、ubuntu系统移除nvidia-docker 1.0

sudo docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f

sudo apt-get purge nvidia-docker

2、安装依赖包

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
  sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
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

3、安装nvidia-driver2.0

4、验证nvidia-docker安装成功；
docker run --runtime=nvidia --rm nvidia/cuda:10.1-base nvidia-smi

【4】拉取mindspore-gpu:1.0.0镜像Dokcer hub上配置好的mindspore-gpu镜像

【5】注意：此处一定是使用nvidia-docker run 命令生成新容器，并直接python进入编译环境即可（镜像mindspore-gpu中已安装python3.7.5）；

# 原docker命令生成新容器(mindspore/mindspore-gpu:1.0.0 是镜像名)
docker run -it mindspore/mindspore-gpu:1.0.0  /bin/bash

# 现nvidia-docker命令生成新容器
nvidia-docker run -it mindspore/mindspore-gpu:1.0.0  /bin/bash

• 1
• 2
• 3
• 4
• 5

直接执行mindspore官网提供的代码，验证是否成功；

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

context.set_context(device_target="GPU")   #  此处一定要注意将设备改为GPU，源代码是Ascend
x = Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(F.tensor_add(x, y))

若出现以下结果，则安装验证通过；

二、这里是踩过的坑

【1】最开始是直接在docker上安装显卡驱动等，因为我的宿主机nvidia-driver是418.39版本，但是docker容器内安装的是推荐的nvidia-driver450版本，两者好像不兼容，中间一直各种出错；
参考至：
【Docker】在docker中安装显卡驱动、CUDA、CUDNN等

【2】得知有nvidia/cuda镜像，但是还是需要安装nvidia-docker；

【3】加入mindspore官网qq群：871543426 --有专业人员可帮忙解答问题；
在群里问疑惑，有人解答说有mindspore-gpu的镜像，简直太好用了。