环保网站源码,创建全国文明城市主题班会教案,深圳全网营销网站,网站建设 义乌一次配置Docker环境的完整记录 Docker环境搭建报错与解决报错一报错二报错三 Docker环境搭建 本节介绍了一次配置docker环境的完整记录#xff1a; 编写Dockerfile文件#xff1a; FROM pytorch/pytorch:1.10.0-cuda11.3-cudnn8-develRUN rm /etc/apt/sources.list.d/cuda.l… 一次配置Docker环境的完整记录 Docker环境搭建报错与解决报错一报错二报错三 Docker环境搭建 本节介绍了一次配置docker环境的完整记录 编写Dockerfile文件 FROM pytorch/pytorch:1.10.0-cuda11.3-cudnn8-develRUN rm /etc/apt/sources.list.d/cuda.list RUN rm /etc/apt/sources.list.d/nvidia-ml.list RUN apt-key del 7fa2af80 RUN sed -i s/security.ubuntu.com/mirrors.ustc.edu.cn/g /etc/apt/sources.list RUN apt update apt install -y build-essential vim git wget RUN wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-keyring_1.0-1_all.deb RUN dpkg -i cuda-keyring_1.0-1_all.debcopy ./requirements.txt /root/构建镜像 # IMAGE_NAME为镜像名称TAG为标签缺省默认为latest网络network使用host宿主的 docker build -t IMAGE_NAME:TAG . --networkhost # eg:docker build -t demo:v1.0 . --networkhost启动容器并进入容器配置环境 docker run -it --networkhost --gpus all demo:v1.0 /bin/bash # 第一次启动运行run命令若容器exit停止后可以输入一下命令重新进入 # docker ps -a # docker start -ia CONTAINER_ID配置pip国内镜像源 # 没有自行创建 vim ~/.config/pip/pip.conf使用阿里镜像源 [global] index-url https://mirrors.aliyun.com/pypi/simple[install] trusted-host mirrors.aliyun.com环境配置可根据自身情况进行配置在此省略。 环境配置好后将容器导出为镜像 # CONTAINER_ID为容器IDIMAGE_NAME为镜像名称TAG为标签缺省默认为latest docker commit CONTAINER_ID IMAGE_NAME:TAG将docker镜像推送至仓库 # 仓库地址登录输入你的用户名和密码登录到Docker Hub。 docker login # 推送镜像如果你是首次推送或你的仓库设定为私有的你可能需要先在Docker Hub上创建仓库 docker push IMAGE_NAME:TAG报错与解决 在配置环境时需要编译cuda代码遇到了一系列报错本节将介绍相关报错与解决方法。 报错一 fatal error: cuda_runtime_api.h: No such file or directory解决办法是修改bashrc文件指定环境变量 vim ~/.bashrc# CUDA export CUDA11.3 export PATH/usr/local/cuda-$CUDA/bin${PATH::${PATH}} export CUDA_PATH/usr/local/cuda-$CUDA export CUDA_HOME/usr/local/cuda-$CUDA export LIBRARY_PATH$CUDA_HOME/lib64:$LIBRARY_PATH export LD_LIBRARY_PATH/usr/local/cuda-$CUDA/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}} export LD_LIBRARY_PATH/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH export NVCC/usr/local/cuda-$CUDA/bin/nvcc export CFLAGS-I$CUDA_HOME/include $CFLAGS修改完保存后更新一下环境变量 source ~/.bashrc报错二 File /opt/conda/lib/python3.7/site-packages/torch/utils/cpp_extension.py, line 1606, in _get_cuda_arch_flagsarch_list[-1] PTX IndexError: list index out of range问题的根源在于当没有检测到CUDA硬件时torch.cuda.device_count()返回0导致不会向arch_list中添加任何架构arch_list[-1] PTX’也就无法索引。即arch_list[]导致无法索引。解决办法是添加环境变量根据你的GPU compatibility修改具体的值 CUDA_VERSION$(/usr/local/cuda/bin/nvcc --version | sed -n s/^.*release \([0-9]\\.[0-9]\\).*$/\1/p) if [[ ${CUDA_VERSION} 9.0* ]]; thenexport TORCH_CUDA_ARCH_LIST3.5;5.0;6.0;7.0PTX elif [[ ${CUDA_VERSION} 9.2* ]]; thenexport TORCH_CUDA_ARCH_LIST3.5;5.0;6.0;6.1;7.0PTX elif [[ ${CUDA_VERSION} 10.* ]]; thenexport TORCH_CUDA_ARCH_LIST3.5;5.0;6.0;6.1;7.0;7.5PTX elif [[ ${CUDA_VERSION} 11.0* ]]; thenexport TORCH_CUDA_ARCH_LIST3.5;5.0;6.0;6.1;7.0;7.5;8.0PTX elif [[ ${CUDA_VERSION} 11.* ]]; thenexport TORCH_CUDA_ARCH_LIST3.5;5.0;6.0;6.1;7.0;7.5;8.0;8.6PTX elseecho unsupported cuda version.exit 1 fi报错三 运行算法显示缺少相关依赖包 # ImportError: libGL.so.1: cannot open shared object file: No such file or directory apt-get install libgl1 # ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory apt-get install -y libglib2.0-0 libsm6 libxrender1 libxext6 # ImportErrorXXX.cpython-37m-x86_64-linux-gnu.so: undefined symbol # 问题是编译cuda源码有问题解决办法为启动容器时使用--gpus all再进行源码的编译。