[05] - 도커(docker) CUDA 개발환경 세팅

연구노트/도커(Docker)

로얄블루 2019. 10. 24. 15:04

[주의 사항]

1. 위 포스팅은 타 블로그의 글을 가져와 재가공한 것임을 밝힙니다.

2. 위 포스팅은 개인적인 연구의 빠른 참조를 위한 것이고, 그 외의 목적은 없음을 밝힙니다.

1. 설치하려는 이미지 다운로드

docker pull nvidia/cuda:10.1-cudnn7-runtime-ubuntu16.04

2. nvidia-docker 로 컨테이너 설치 및 밖으로 나오기

nvidia-docker run -it --name [CONTAINER_NAME] [IMAGE_NAME] /bin/bash

nvidia-docker run -it --name amber18 nvidia/cuda:10.1-cudnn7-runtime-ubuntu16.04 /bin/bash

exit

3. nvidia-docker 로 컨테이너 실행 및 접속

nvidia-docker start [CONTAINER_NAME]

nvidia-docker start amber18

nvidia-docker exec -it [CONTAINER_NAME] /bin/bash

nvidia-docker exec -it amber18 /bin/bash

4. nvidia-smi 을 통해 GPU 연결 확인

nvidia-smi

5. 필수 패키지를 받을 수 있도록 source.list 를 세팅

sed -i 's/archive.ubuntu.com/ftp.daumkakao.com/g' /etc/apt/sources.list

apt-get update

6. 필수 패키지 다운로드

apt-get install -y wget nano git gcc build-esential

7. conda3 을 통한 환경구축

wget https://repo.anaconda.com/archive/Anaconda3-2019.03-Linux-x86_64.sh

bash Anaconda3-2019.03-Linux-x86_64.sh

8. [Optional] 구축한 컨테이너 이미지화

nvidia-docker commit -p [CONTAINER ID] [NAMES]

nvidia-docker commit -p 128397b7b55b ubuntu16.04-cudnn7-basic

9. [Optional] 구축된 이미지 백업 및 불러오기

nvidia-docker save -o [FILE_NAME].tar [IMAGE_NAME]

nvidia-docker load < [FILE_NAME].tar

참조 혹은 추천 사이트: