NVIDIA DockerでコンテナからCUDAを使えるようにする

OSとしては、情報の多さからUbuntu16.04を選択しました。

クライアントとして使っているThinkPad X240は、Ubuntu 16.04 Desktopです。2017年1月にWindows10を卒業してから、半年ほど利用していますが、不自由はありません。

今回は、ブラウザからJupyter経由、もしくはSSHで利用し、ディスプレイをつなぐことも無いため、Ubuntu 16.04 Serverを選択しました。

（インストールの流れ）

(1) ディスクイメージをダウンロード

Download Ubuntu Server
https://www.ubuntu.com/download/server

(2) インストールメディア（USB）作成
※よく忘れるのでメモ

GNOME Disks その30 - UbuntuのライブUSBメモリーを作成する
https://kledgeb.blogspot.jp/2016/04/gnome-disks-30-ubuntuusb.html

(3) インストールメディア（USB）接続
(4) BIOSから起動ディスクをUSBに設定

BIOS起動順位の変更
http://www.pc-master.jp/sousa/k-jyuni.html

(5) PCの電源をオン
(6) ウィザードに従って設定

Ubuntu 16.04 LTS インストール
https://www.server-world.info/query?os=Ubuntu_16.04&p=install

(7) 再起動

これでOSのインストールは完了です。

前に書いた記事を参照してください。

Ubuntu 16.04 にGTX1050Tiドライバをインストール
GHOST_URL/2017/05/01/ubuntu-1604-gtx1050ti-driver/

言わずと知れたDockerを入れます。環境をまるごとコンテナとして定義しておけば、別のサーバに乗り換えるのも非常に簡単です。大もとであるホストOSの環境がごちゃごちゃしないのも良いですね。

手順は公式ドキュメント通りでOKです。すでにARM向けも公式から出てました。Raspberry Piでの環境構築が捗りそう。

Get Docker for Ubuntu
https://docs.docker.com/install/linux/ubuntu/

次にMVIDIA DockerというDockerプラグインをインストールして、コンテナでCUDA、cuDNNを使えるようにします。これをインストールすることで、TensorFlowをGPUで動かせるようになります。

コチラも公式ドキュメントに沿ってインストールすればOKです。

NVIDIA/nvidia-docker | README.md
https://github.com/NVIDIA/nvidia-docker#ubuntu-distributions

インストール後、DockerコンテナでGPUを利用する場合には、dockerコマンドの代わりにnvidia-dockerコマンドを利用する事になります。ドキュメントに従って、以下のコマンドでnvidia-smiの結果が得られればコンテナからcudaが使える様になっています。

nvidia-docker run --rm nvidia/cuda nvidia-smi

コンテナをビルドするときは、nvidiaのcudaイメージからビルドするようにします。Dockerfileにこんな感じでベースのイメージを定義します。

FROM nvidia/cuda:8.0-cudnn5-devel

あとは自分の好きなライブラリを入れていくだけです。

ちなみに私の場合、主に以下の3つのイメージを使い分けています。

Jupyterは常に動かし続けるため、別イメージに切り出していますが、その他のスクリプトはすべてap_baseで動かしています。tensorflow-gpuをインストールしていますので、ap_baseを基にしているJupyterでも使えるはずです。

nvidia-dockerで起動すればいつものJupyterからもスクリプトからも使えるようになります。あとは、好きなだけアプリ開発に集中するだけですね。

さて、がんばりましょう！

‹ Mockun Note