贵州大地建设集团网站,建设一个网站怎么赚钱,北京网站建设qq群,wordpress换站一、安装docker
1、安装dokcer
sudo apt install docker.io2、docker 添加到用户组
创建docker用户组
sudo groupadd docker添加当前用户加入docker用户组
sudo usermod -aG docker ${USER}重启docker服务
sudo systemctl restart docker切换或者退出当前账户再从新登入 …一、安装docker
1、安装dokcer
sudo apt install docker.io2、docker 添加到用户组
创建docker用户组
sudo groupadd docker添加当前用户加入docker用户组
sudo usermod -aG docker ${USER}重启docker服务
sudo systemctl restart docker切换或者退出当前账户再从新登入
docker ps如果当前用户执行无报错 则表示用户已经加到docker组
3、docker 配置阿里云镜像
vim /etc/docker/daemon.jsondaemon.json
{registry-mirrors: [https://zfzbet67.mirror.aliyuncs.com]
}4、docker 配置汉化工具
拉取镜像已经有大神准备好了汉化版的镜像无需自己进行繁杂的汉化操作。
docker pull summary/portainer-ce已有镜像加载本地镜像
dokcer load -i images.tar启动镜像
docker run -d -p 1066:9000 -v /var/run/docker.sock:/var/run/docker.sock --restartalways --nameportainer-ce summary/portainer-ce登录docker管理界
http://localhost:1066/第一次登陆需要注册
用户名admin密码1234655、相关资料
docker网络基础知识https://www.whbblog.cn/446.htmlDocker镜像发布https://www.whbblog.cn/440.htmlDocker容器数据卷https://www.whbblog.cn/441.htmlDockerFile构建镜像https://www.whbblog.cn/444.htmlDocker Compose 容器编排https://www.whbblog.cn/447.html
二、NVIDIA CONTAINER TOOLKIT 安装 是一个用于在 NVIDIA GPU 上运行容器应用程序的工具包。它提供了一系列的组件和工具用于管理和优化 GPU 加速的容器化工作负载。 NVIDIA Docker 运行时nvidia-docker2它是一个 Docker 运行时插件允许容器与宿主机共享 NVIDIA GPU 资源。这使得开发人员可以在容器中轻松地访问和使用 GPU 加速功能无需进行复杂的配置。 1、设置NVIDIA容器工具包
安装curl
sudo apt-get install curl设置程序包存储库和GPG密钥
distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list2、安装nvidia-container-toolkit 程序包和依赖项
更新程序列表
sudo apt-get update安装
sudo apt-get install -y nvidia-container-toolkit配置Docker守护程序以识别 NVIDIA Container Runtime
sudo nvidia-ctk runtime configure --runtimedockerdaemon.json
{registry-mirrors: [https://zfzbet67.mirror.aliyuncs.com],runtimes: {nvidia: {path: /usr/bin/nvidia-container-runtime,runtimeArgs: []}}
}重启docker
sudo systemctl restart docker测试
sudo docker run --rm --runtimenvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi输出一下信息安装成功。
-----------------------------------------------------------------------------
| NVIDIA-SMI 450.51.06 Driver Version: 450.51.06 CUDA Version: 11.0 |
|---------------------------------------------------------------------------
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
||
| 0 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
| N/A 34C P8 9W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
--------------------------------------------------------------------------------------------------------------------------------------------------------
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
||
| No running processes found |
-----------------------------------------------------------------------------三、安装cuda
执行命令根据提示按回车即可
sudo chmosd -X cuda_11.2.0_460.27.04_linux.run
suod bash cuda_11.2.0_460.27.04_linux.run添加到环境变量
sudo vim ~/.baschrc# 结尾添加
export PATH/usr/bin:/usr/sbin:/usr/local/cuda-11.2/bin
export LD_LIBRARY_PATH/usr/local/cuda-11.2/lib64验证
nvcc -V # 输出以下信息安装成功
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:08:53_PST_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0四、cudnn 安装
解压cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz
tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZG12LLfN-1691460393859)(H:\360MoveData\Users\Administrator\Desktop\显卡环境安装包\ubuntu显卡环境安装.assets\image-20230808094350495.png)]
include 和lib分别复制到cuda 安装目录 下的 include 和lib
sudo cp -r include/* /usr/local/cuda-11.2/include
sudo cp -r lib/* /usr/local/cuda-11.2/lib64五、TensorRT 安装
解压压缩包复制到opt目录即可
tar -xvf tensorrt-8.2.5.1.linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz
sudo mv TensorRT-8.2.5.1/ /opt添加到环境变量可选
sudo vim ~/.baschrc# 结尾添加
export PATH/usr/bin:/usr/sbin:/usr/local/cuda-11.2/bin:/opt/TensorRT-8.2.5.1/bin
export LD_LIBRARY_PATH/usr/local/cuda-11.2/lib64:/opt/TensorRT-8.2.5.1/lib# 更新资源
source ~/.baschrc
