容器化 TensorFlow GPU 环境搭建

轻量级云原生架构实验室

发布于 2018-12-19 16:00:10

1.1K0

发布于 2018-12-19 16:00:10

文章被收录于专栏：轻量级微服务

基础环境信息

CPU：Intel Xeon E5-2699 v4 显卡：Nvidia Tesla P100 操作系统：CentOS 7.4

基础环境验证

验证系统是否能正常识别 GPU

lspci | grep -i nvidia

正常应该显示 Nvidia 显卡的型号，没有任何显示需要更新pci硬件库 update-pciids

安装 Nvidia 显卡驱动

1、安装或更新相关包

yum -y update
yum -y groupinstall "GNOME Desktop" "Development Tools"
yum -y install kernel-devel
yum -y install epel-release
yum -y install dkms

重启机器，以确保使用最新的内核！

2、禁用 nouveau

nouveau 是一个第三方开源的 Nvidia 驱动，一般 Linux 安装的时候默认会安装这个驱动，它会与 Nvidia 官方的驱动冲突，在安装 Nvidia 驱动之前应先禁用 nouveau

查看系统是否正在使用 nouveau

lsmod | grep nouveau

编辑 /etc/default/grub ，在 GRUB_CMDLINE_LINUX 值后面添加

rd.driver.blacklist=nouveau nouveau.modeset=0

生成新的 grub 配置

grub2-mkconfig -o /boot/grub2/grub.cfg

编辑或创建 /etc/modprobe.d/blacklist.conf 文件，添加如下内容：

blacklist nouveau

备份当前镜像并建立新镜像

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r)-nouveau.img
dracut /boot/initramfs-$(uname -r).img $(uname -r)

重启机器后，再次验证系统是否使用 nouveau

lsmod | grep nouveau

如果还是不行，可以尝试执行 sudo dracut --force 后重启机器

3、安装 Nvidia 驱动

Nvidia 官方驱动下载地址：https://www.nvidia.com/object/unix.html

顶级 GTX 或 Tesla 系列显卡，选择 Latest Short Lived Branch Version，其他选择 Latest Long Lived Branch Version

当前显卡 Nvidia Tesla P100，选择 Latest Short Lived Branch Version: 415.18。

下载驱动

wget http://us.download.nvidia.com/XFree86/Linux-x86_64/415.18/NVIDIA-Linux-x86_64-415.18.run

修改 NVIDIA-Linux-x86_64-415.18.run 权限，使其可运行

chmod a+x NVIDIA-Linux-x86_64-415.18.run

安装 Nvidia 驱动

sh NVIDIA-Linux-x86_64-415.18.run --no-opengl-files

校验 Nvidia 驱动，执行 nvidia-smi，若有如下输出，证明安装成功：

TensorFlow 容器化 GPU 测试

1、编写测试代码 test.py

import sys
import numpy as np
import tensorflow as tf
from datetime import datetime

device_name = sys.argv[1]
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)

print("\n" * 5)
print("Shape:", shape, "Device:", device_name)
print("Time taken:", str(datetime.now() - startTime))

2、获取 tensorflow 镜像

确保 Docker 环境已搭建，CentOS 安装 Docker：https://docs.docker.com/install/linux/docker-ce/centos/

docker pull  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu

3、CPU 测试

docker run --runtime=nvidia \
  --rm -it \
  -v "$(pwd)/test.py:/app/test.py" \
  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu \
  python /app/test.py cpu 20000

CPU 测试结果

4、GPU 测试

docker run --runtime=nvidia \
  --rm -it  \
  -v "$(pwd)/test.py:/app/test.py" \
  registry.docker-cn.com/tensorflow/tensorflow:latest-gpu \
  python /app/test.py gpu 20000