制作并使用包含 cuda 开发包的 docker 镜像

一、选择操作系统

1.1 宿主机操作系统

宿主机操作系统推荐使用 ubuntu 18.04。ubuntu 16.04 也可以，但某些软件存在过期的风险。

宿主机安装操作系统时，推荐使用“最小安装”，也即只包含浏览器和必要的软件，其他第三方软件一律不安装。同时也不安装第三方驱动，以免存在不兼容；也为了节省时间，不安装软件更新。

操作系统安装完毕后，可以安装 docker、nvidia-docker2、cuda 和与其有关的所有依赖软件。如果需要远程操纵计算机，可以安装 openssh-server。如果需要监控计算机运行情况，可以安装 htop 和 nethogs 等。

不过，在安装之前，建议将软件源列表更新为适合自己的，比如教育网可以选用上海交通大学的或中国科学技术大学的，以便加快下载速度。

宿主机操作系统环境准备好之后，就不建议再安装新软件或修改软件源了。

1.2 虚拟镜像操作系统

虚拟镜像可用的操作系统有两个版本：

• Ubuntu 16.04（vistart/ubuntu:16.04）
• Ubuntu 18.04（vistart/ubuntu:18.04）

括号中的内容为镜像名称。

此镜像与官方 ubuntu 镜像的不同之处在于：

• 将官方源列表替换为上海交通大学的；
• 安装了 ca-certificates；
• ubuntu 16.04 镜像还安装了 apt-transport-https；
• 将所有软件更新到最新。

不同操作系统使用的 cuda 开发包并不保证通用，因此制作 docker 镜像时应当先选择适合你的操作系统。

ubuntu 镜像源代码：https://github.com/vistart/Dockerfiles/tree/master/ubuntu

例如接下来我们以 ubuntu 18.04 为例，制作 docker 镜像。

ubuntu 镜像的更新时间一般为3、6、9、12月的月末。依赖的镜像更新之后，依赖其的镜像如果不重新制作，那环境依然是旧的。

二、安装驱动程序、docker 和 nvidia-docker2

具体安装步骤不是本文探讨的重点，官方文档已经讲解的非常详细了。

NVIDIA 显卡驱动和 CUDA

docker 安装说明

nvidia-docker2 安装说明

三、选择 cuda 版本

NVIDIA 官方镜像和我制作的镜像之间的继承关系为：

其中 cudnn*-tensorrt*-devel 由我制作。

2.1 制作包含 cuda 包和驱动的镜像（base）

我们参照 NVIDIA 官方镜像的制作流程，编写自己的 Dockerfile。

由于脚本过长，所以不在此处展示。可以访问此处查看脚本。

Dockerfile 文件可以放到你的文件系统的任何位置，一般放置在当前用户目录下。因为 NVIDIA 官方将此镜像命名为 base，因此我将此 Dockerfile 放置在 ~/Dockerfiles/cuda/ubuntu18.04/10.0/base 目录下。

编辑完成后，切换到该目录并构建镜像：

构建的时间可能比较长，而且中途可能会遇到 CDN 缓存不一致的问题，可以耐心多尝试几次。

-t 参数表示镜像构建成功后，为该镜像标记的标签。

标签命名规则为 <cuda版本号>-<环境名称>-<操作系统名称>

从环境变量可以看出，目前最新的 cuda 版本是 10.0.130。与 Ubuntu 镜像不一样的是，每当 cuda 版本更新后才会重新制作此镜像。

此环境仅包括 cudart 和 cuda-compat 包。

2.2 制作 runtime、cudnn7-runtime、devel、cudnn7-devel 镜像

制作其它四个镜像依然可以参照官方 Dockerfile，仅有的区别是依赖的镜像和维护者。

2.3 制作 10.0-cudnn7-tensorrt5-devel 镜像

官方制作的镜像只包括 cuda、cudnn 和 nccl，不包括 tensorrt。因此我们只能自己制作包含 tensorrt 的镜像。

由于 NVIDIA 官方并未提供可直接访问的下载源，因此我们只能到开发者网站登录后下载。

下载对应操作系统的软件包，例如 Ubuntu 18.04 、cuda 10.0 、cudnn 7.3 对应的 TensorRT 包为：

• TensorRT 5.0.0.10 RC for Ubuntu 1804 and CUDA 10.0 DEB local repo packages

 

四、上传、分发和使用镜像

4.1 上传制作好的镜像

制作好的镜像可以上传到 Docker Hub。上传之前先注册 Docker 账号，然后在宿主机使用 docker login 命令登录。登录完成后即可使用 docker push 命令向服务器上传镜像了。

如果要上传某个标签的镜像，可以使用如下命令：

如果要上传 vistart/cuda 下的所有镜像，则可以不加具体标签，例如：

上传完成后，可以在自己的 Docker Hub 看到最近上传时间了。

注意：注册的 Docker ID 必须与自己命名的仓库名称的 ID 部分完全一致，否则无法上传。

Docker Hub 允许多人共同维护 Docker 镜像，前提是 Docker Hub 所有者已将其他维护者的 ID 添加到贡献者名单中。

4.2 使用和分发镜像

已上传到 Docker Hub 的镜像可以非常方便地分发到其它宿主机中。

例如，我要在另一台宿主机使用某一镜像，则只需要运行

即可。如果要运行的镜像不在本地，docker 会在运行前将镜像下载到本地，然后再运行。

如果只想把镜像下载到本地，而不运行，则可以输入命令：

注意：凡是与 GPU 有关的镜像应当使用 nvidia-docker，否则无法使用 GPU 资源。

从 cuda 10 开始，只能使用 nvidia-docker 2.0 版运行包括 cuda 10 的镜像。

五、制作自己的镜像

可以从下方的“附录2”中寻找已经制作好的镜像并运行容器。如果列表中没有符合自己需要的镜像，或镜像环境缺少某些软件或数据，则可以自己制作镜像。

附录1：vistart 的镜像之间的关系

如果被依赖的镜像发生更新，则依赖其的镜像并不会同步更新。所以依赖镜像如果需要新环境的话，只能重新制作镜像。

附录2：已经制作好的镜像：

Docker Hub:

vistart/cuda

vistart/build_tensorflow

vistart/tensorflow