web-dev-qa-db-fra.com

Rapids / Docker: Impossible de sélectionner le pilote de périphérique "" avec les capacités: [[GPU]]

Je suis nouveau à Rapids et j'ai rarement eu une bonne expérience avec Conda. Donc, j'essaie de travailler avec une version conteneurisée. Je suis nouveau à Docker et la combinaison d'inconnues me laisse ne pas trier les choses.

J'ai un serveur Ubuntu 18.04,

# uname -v
#30~18.04.1-Ubuntu SMP Fri Jan 17 06:14:09 UTC 2020

sur lequel j'ai installé une nouvelle version de Docker

# apt-get install docker docker-ce docker-ce-cli containerd.io
# docker --version
Docker version 19.03.8, build afacb8b7f0

Cette machine a Cuda V10.2 installé

# nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:24:38_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

et Python v3.6.9

# python3 --version
Python 3.6.9

Comme indiqué dans la section Nvidia Contener Toolkit QuickStart , j'installe la liste NVIDIA-Docker vers /etc/apt/sources.list.d/

# curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | Sudo apt-key add -
# curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu18.04/nvidia-docker.list | Sudo tee /etc/apt/sources.list.d/nvidia-docker.list

substituant explicitement ubuntu18.04 Pour la distribution $, puisque c'est le buntu équivalent pour Linux Mint 19. .

Suite aux instructions de démarrage du conteneur et du serveur de cahiers dans Rapids - Science de données GPU ouverte , j'ai tiré le 0,13-CUDA10.2-Runtime-Ubuntu18.04-PY3.6 Runtime.

# docker pull rapidsai/rapidsai:0.13-cuda10.2-runtime-ubuntu18.04-py3.6

Une longue période et plusieurs Go plus tard, tous semblaient être ok. (Pas d'avertissements ou de messages d'erreur.) En outre, on dirait que l'image était enregistrée avec Docker.

# docker images -a
REPOSITORY          TAG                                       IMAGE ID            CREATED             SIZE
rapidsai/rapidsai   0.13-cuda10.2-runtime-ubuntu18.04-py3.6   c7440af853b5        4 days ago          9.26GB
rapidsai/rapidsai   cuda10.2-runtime-ubuntu18.04-py3.6        c7440af853b5        4 days ago          9.26GB

Cependant, j'ai ensuite essayé de démarrer le serveur portable:

# docker run --gpus all --rm -it -p 8888:8888 -p 8787:8787 -p 8786:8786 \
       rapidsai/rapidsai:cuda10.0-runtime-ubuntu18.04-py3.6
docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].

Cela semble surprenant, car il y a deux GPU GTX 1080 TI détectés

# nvidia-smi
Fri May  8 16:41:57 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.33.01    Driver Version: 440.33.01    CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  On   | 00000000:08:00.0 Off |                  N/A |
| 21%   38C    P8    10W / 250W |      1MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 108...  On   | 00000000:42:00.0 Off |                  N/A |
| 23%   42C    P8    10W / 250W |      1MiB / 11177MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

Après avoir nettoyé les choses

# docker system Prune -a
# apt-get purge docker docker-engine docker.io containerd runc    

J'ai réinstallé Docker et tiré à nouveau l'image Rapidsai. Le résultat a été inchangé.

Y a-t-il un conflit avec la version pilote NVIDIA: 440.33.01?

Aucune suggestion?

4
user3897315

Du Documentation NVIDIA CUDA/WSL 2 :

Utilisez le script d'installation Docker pour installer Docker pour votre choix de la distribution WSL 2 Linux. Notez que Toolkit de conteneur NVIDIA ne prend pas encore en charge Docker Desktop WSL 2 Backend.

1
strarsis

Je viens de suivre les étapes dans ce PDF ; et ça marche bien:

Pour désinstaller un précédent package NVIDIA-Docker, émettez ces commandes:

[user@gpu1 ~]# docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm –f
[user@gpu1 ~]# Sudo apt-get remove nvidia-docker

Pour installer la boîte à outils de conteneur NVIDIA-GPU Docker, vous devez d'abord ajouter des référentiels de packages:

user@ubuntu-gpu1:~# distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
user@ubuntu-gpu1:~# curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | Sudo apt-key add -
user@ubuntu-gpu1:~# curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | Sudo tee /etc/apt/sources.list.d/nvidia-docker.list
user@ubuntu-gpu1:~# Sudo apt-get update && Sudo apt-get install -y nvidia-container-toolkit
user@ubuntu-gpu1:~# Sudo systemctl restart docker

Ensuite, vérifiez l'installation NVIDIA-SMI avec la dernière image officielle CUDA:

user@ubuntu-gpu1:~# Sudo docker run -it --rm --gpus all nvidia/cuda:9.0-base nvidia-smi
0
Walid Bousseta