伤透了心的pytorch的cuda容器版

公司GPU的机器版本本比较低,找了好多不同的镜像都不行,

自己从anaconda开始制作也没有搞定(因为公司机器不可以直接上网),

哎,官网只有使用最新的NVIDIA驱动,安装起来才顺利。

最后,找到一个暂时可用的镜像:

https://linux.ctolib.com/anibali-docker-pytorch.html

其间遇到两个问题:

1, 安装全没出错,但torch.cuda.is_available()为False,这表示torch还是不能使用GPU。

2,在跑例程时,显示RuntimeError: CUDA error: out of memory,这表示运行的时候使用CUDA_VISIBLE_DEVICES限制一下使用的GPU。

PyTorch Docker image

Ubuntu + PyTorch + CUDA (optional)

Requirements

In order to use this image you must have Docker Engine installed. Instructions for setting up Docker Engine are available on the Docker website.

CUDA requirements

If you have a CUDA-compatible NVIDIA graphics card, you can use a CUDA-enabled version of the PyTorch image to enable hardware acceleration. I have only tested this in Ubuntu Linux.

Firstly, ensure that you install the appropriate NVIDIA drivers and libraries. If you are running Ubuntu, you can install proprietary NVIDIA drivers from the PPA and CUDA from the NVIDIA website.

You will also need to install nvidia-docker2 to enable GPU device access within Docker containers. This can be found at NVIDIA/nvidia-docker.

Prebuilt images

Pre-built images are available on Docker Hub under the name anibali/pytorch. For example, you can pull the CUDA 10.0 version with:

$ docker pull anibali/pytorch:cuda-10.0

The table below lists software versions for each of the currently supported Docker image tags available for anibali/pytorch.

Image tag CUDA PyTorch
no-cuda None 1.0.0
cuda-10.0 10.0 1.0.0
cuda-9.0 9.0 1.0.0
cuda-8.0 8.0 1.0.0

The following images are also available, but are deprecated.

Image tag CUDA PyTorch
cuda-9.2 9.2 0.4.1
cuda-9.1 9.1 0.4.0
cuda-7.5 7.5 0.3.0

Usage

Running PyTorch scripts

It is possible to run PyTorch programs inside a container using the python3 command. For example, if you are within a directory containing some PyTorch project with entrypoint main.py, you could run it with the following command:

docker run --rm -it --init   --runtime=nvidia   --ipc=host   --user="$(id -u):$(id -g)"   --volume="$PWD:/app"   -e NVIDIA_VISIBLE_DEVICES=0   anibali/pytorch python3 main.py

Here‘s a description of the Docker command-line options shown above:

  • --runtime=nvidia: Required if using CUDA, optional otherwise. Passes the graphics card from the host to the container.
  • --ipc=host: Required if using multiprocessing, as explained at https://github.com/pytorch/pytorch#docker-image.
  • --user="$(id -u):$(id -g)": Sets the user inside the container to match your user and group ID. Optional, but is useful for writing files with correct ownership.
  • --volume="$PWD:/app": Mounts the current working directory into the container. The default working directory inside the container is /app. Optional.
  • -e NVIDIA_VISIBLE_DEVICES=0: Sets an environment variable to restrict which graphics cards are seen by programs running inside the container. Set to all to enable all cards. Optional, defaults to all.

You may wish to consider using Docker Compose to make running containers with many options easier. At the time of writing, only version 2.3 of Docker Compose configuration files supports the runtimeoption.

Running graphical applications

If you are running on a Linux host, you can get code running inside the Docker container to display graphics using the host X server (this allows you to use OpenCV‘s imshow, for example). Here we describe a quick-and-dirty (but INSECURE) way of doing this. For a more comprehensive guide on GUIs and Docker check out http://wiki.ros.org/docker/Tutorials/GUI.

On the host run:

sudo xhost +local:root

You can revoke these access permissions later with sudo xhost -local:root. Now when you run a container make sure you add the options -e "DISPLAY" and --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw". This will provide the container with your X11 socket for communication and your display ID. Here‘s an example:

docker run --rm -it --init   --runtime=nvidia   -e "DISPLAY" --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw"   anibali/pytorch python3 -c "import tkinter; tkinter.Tk().mainloop()"

十倍的时间差距:

原文地址:https://www.cnblogs.com/aguncn/p/10966494.html

时间: 2024-10-14 03:26:57

伤透了心的pytorch的cuda容器版的相关文章

也谈大学排名--为了那些即将伤透脑筋报志愿的家长

也谈大学排名--为了那些即将伤透脑筋报志愿的家长

window下 人工智能 Keras、TensorFlow、PyTorch、CUDA、cuDNN 的

======= 人工智能 Keras.TensorFlow 的环境安装 ======?1.window下?安装 anaconda(python 3.6 / python 3.7)https://blog.csdn.net/zimiao552147572/article/details/888542392.安装 ubuntu 16/18https://blog.csdn.net/zimiao552147572/article/details/888543703.window下安装 Keras.Te

网购伤透了我的心

在淘宝买了几十万的东西 ,老实说,很多样东西你说不出它是高仿的,是假的或者是坏的,能用但是存在着很多问题.最牛逼的也是最难在的,就是买到坏的东西还不能退货,因为卖家说是我弄坏的,原因是我在收快递的时候没有验货,没有证据证明不是我弄坏的.遇见这样的事情很是无语,而诉苦无门,也只有认栽了.    “别整天马云马云的,马云再牛逼世界上不会有第二个和他一样的人,如果成功是可以轻易复制得了的,世界上就没有穷人了!”.我相信这句话,同时也相信,全世界只有在中国才能成就马云这样的人,一个助长中国假货横行市场的

pytorch gpu~ cuda cudacnn安装是否成功的测试代码

# CUDA TEST import torch x = torch.Tensor([1.0]) xx = x.cuda() print(xx) # CUDNN TEST from torch.backends import cudnn print(cudnn.is_acceptable(xx)) #血的教训!安装目录要英文目录不要搞在中文目录 !不然可能报些奇奇怪怪的bug! 原文地址:https://www.cnblogs.com/xuechengmeigui/p/12417137.html

(一)陌生电话

“我要飞得更高, 飞得更高, 翅膀卷起风暴, 心生呼啸……” 杜康的神州手机铃声嘹亮的响了起来,而杜康显然还不太想飞,他只想睡觉——昨天晚上熬了一夜,他睡得正香.摸索着找到手机,努力的睁开眼睛,“嗯,陌生号码?座机……” 他一个激灵,立马就清醒了过来,翻身起床,把嘴巴赶紧的活动了一圈,才挤着笑容接了电话,拼尽全力让自己的声音听起来充满活力:“喂,您好!” 杜康今年刚满19岁.三年前也就是高中的时候迷上了网游,念不成书,无奈之下他爸只好让他退学,让他外出打工:可劲地折腾了几份工作之后,又和村里的一

锤子T1(Smartisan T1 4G)版刷成3G版,即sm705运行sm701的CM11 Android 4.4.4ROM      

对于喜欢折腾的人来说买锤子T系列真实不明智的选择,但是我是罗粉,对于锤子安卓内核版本的不升级政策很是不满,我承认Smartisan OS确实很好用,用了iOS后才知道锤子的系统真好,高效贴心真心替用户考虑.说了这么多我还是转战了iphone,早期的T1用户真心被伤透了心,锤子变成了备用机,刷机热一起来就像突破限制,但是4G版的真心支持的ROM不多,看图比较:(图片来自刷机精灵) 4G版的值支持Smsrtisan OS(经试验证明发现tencent os4G版刷机不支持,一直失败),死来想去决定试

可视化工具solo show-----Prefuse自带例子GraphView讲解

2014.10.15日以来的一个月,挤破了头.跑断了腿.伤透了心.吃够了全国最大餐饮连锁店——沙县小吃.其中酸甜苦辣,绝不是三言两语能够说得清道的明的.校招的兄弟姐妹们,你们懂得…… 体会最深的一句话还是:出来混,迟早要还的. 一个月过去了,迷茫之际有太多无奈,无奈中又夹杂些许庆幸,岁月匆匆,人生不息,奋斗不止. 遵守最初的诺言,继续走我可视化的道路: 上集摘要:一个月博文中大概介绍了可视化的一些常用工具,从可操作性.实用性.交互性等各方面进行了简单的对比和总结,具体参见http://www.c

异地第28天

今天是异地恋第28天,这几天我们重新沉浸在爱情的甜蜜中,我也忘记了之前种种的不愉快.给你买的泰迪熊到了,这是我第一次给女生买毛绒玩具,你好像也很喜欢.不过,晚上的语音内容相比以往氛围有点凝重,我们探讨了未来,说真的未来对我来说不可怕,我一直很自信,觉得尽在自己的掌握中,可是至少目前我还是一无所有,我还只是一个待上研究生的学生,一切的承诺都是那样的苍白无力,挺尴尬的,我是一个很上进同时也是一个自尊心很强的人,不想被人看不起,家庭并不富裕,我只想好好努力,用自己的双手给我们创造一个好的生活环境.我不

20161211记

上周去参加宝安马拉松,首马,赛前想争取500完赛,虽然半马距离跑了许多次了,不过30km以上的距离之前只跑过一次,而且感觉已经不能再继续的样子,所以目标就定在完赛了.实际上按照悦跑圈的计算是5小时11分,前面半马用了2小时06分,半马算是个人最好成绩了.半马之后膝盖就有些不适,每隔一公里左右就去喷了下药,30km的时候此时已经过去了3个半小时,而且500的兔子刚跑过.最后12公里的确非常辛苦,跑跑走走,走路花了许多时间,如果之后能够训练到全程不停的话,成绩应该会好很多.最好5小时27分完赛,也算