在Ubuntu下配置Docker、Python和CUDA是一个相对复杂但非常有用的过程,尤其适用于需要在高性能计算和深度学习等领域工作的开发者。以下是详细的步骤和相关说明。
一、安装Docker
1. 更新软件包列表
首先,打开终端并更新软件包列表:
sudo apt update
2. 安装Docker的依赖软件包
安装Docker所需的依赖软件包:
sudo apt install apt-transport-https ca-certificates curl software-properties-common
3. 添加Docker的官方GPG密钥
添加Docker的GPG密钥以确保下载的Docker软件包的安全性:
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
4. 添加Docker的稳定版本存储库
将Docker的稳定版本存储库添加到APT源列表中:
echo "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
5. 更新软件包列表
更新APT软件包列表,以便包含Docker存储库中的软件包:
sudo apt update
6. 安装Docker引擎
安装Docker引擎和相关组件:
sudo apt install docker-ce docker-ce-cli containerd.io
7. 启动Docker服务
启动Docker服务并设置为开机自启动:
sudo systemctl start docker
sudo systemctl enable docker
8. 验证Docker是否正确安装
通过运行hello-world容器来验证Docker的安装:
sudo docker run hello-world
二、安装Python
Ubuntu通常预安装了Python,您可以通过以下命令检查Python版本:
python --version
1. 安装Python 2
如果需要安装Python 2,可以使用以下命令:
sudo apt install python2
2. 安装Python 3
如果需要安装Python 3,可以使用以下命令:
sudo apt install python3
三、安装CUDA(适用于NVIDIA显卡)
1. 检查系统是否具备CUDA兼容的显卡
首先,检查系统是否有NVIDIA显卡:
lspci | grep -i nvidia
2. 下载CUDA Toolkit
访问NVIDIA官方网站下载CUDA Toolkit的.run安装文件,例如CUDA 11.0。
3. 运行CUDA安装文件
导航到下载的安装文件所在的目录,并运行以下命令(假设文件名为 cuda_11.0.3_450.51.06_linux.run):
sudo chmod +x cuda_11.0.3_450.51.06_linux.run
sudo ./cuda_11.0.3_450.51.06_linux.run
按照安装程序的提示进行安装,可以选择自定义安装选项来配置CUDA的安装路径和组件。
4. 配置环境变量
安装完成后,需要将CUDA的路径添加到环境变量中。编辑 ~/.bashrc文件,添加以下行:
export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存并关闭 ~/.bashrc文件,然后运行以下命令使环境变量生效:
source ~/.bashrc
5. 验证CUDA是否正确安装
通过以下命令验证CUDA安装是否成功:
nvcc --version
附加配置和优化
1. 持久化Docker数据
为了防止Docker容器重启后数据丢失,可以将重要数据映射到主机目录。创建容器时添加数据卷:
docker run -v /path/on/host:/path/in/container ...
2. 配置Docker与CUDA的兼容性
如果需要在Docker容器中使用CUDA,可以安装nvidia-docker:
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
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 update
sudo apt install -y nvidia-docker2
sudo systemctl restart docker
运行带CUDA支持的Docker容器:
sudo docker run --gpus all nvidia/cuda:11.0-base nvidia-smi
分析说明表
步骤 | 描述 |
安装Docker | 更新软件包列表,安装Docker依赖,添加GPG密钥和存储库,安装Docker引擎,启动服务,验证安装 |
安装Python | 检查系统预安装的Python版本,必要时安装Python 2或Python 3 |
安装CUDA | 检查NVIDIA显卡,下载并运行CUDA Toolkit安装文件,配置环境变量,验证安装 |
持久化Docker数据 | 使用数据卷映射将容器数据持久化到主机目录 |
配置Docker与CUDA兼容性 | 安装nvidia-docker以支持在Docker容器中使用CUDA |
通过这些步骤,您可以在Ubuntu下成功配置Docker、Python和CUDA,确保系统能够支持高性能计算和深度学习任务。具体的安装步骤可能因您使用的Ubuntu版本、Python版本和CUDA版本有所不同,建议参考官方文档和相关资源以获取更详细和准确的安装和配置说明。