Docker上でTensorflowを動かす

目的

松尾研が公開しているDeep Learning実践開発講座（DL4US）公開用リポジトリで深層学習の勉強をするため、Dockerでその環境構築を行う。
（面倒な人はGoogle Colaboratoryを使えばいい）

環境

• Intel Core i5 9400F
• NVIDIA GTX1660Ti
• Ubuntu 18.04
• セキュアブート無効済み（有効でもインストールできたが、念のため）

Nvidia-driverのインストール

以下のコマンドでインストールする方法もあるが、私の環境では正常にインストールできなかったため、nvidia公式から直でインストールする。

sudo ubuntu-drivers autoinstall

こちらを参考にインストール
gccとmakeが必要

1. Nvidia公式からドライバをダウンロード
2. nouveauを無効化
3. ランレベルを3にする
4. ドライバインストール

Nvidia公式からドライバをダウンロード

https://www.nvidia.co.jp/Download/index.aspx?lang=jp から落とす
私が落としたのはNVIDIA-Linux-x86_64-430.14.runだった

nouveauを無効化

sudo su -
cd /etc/modprobe.d/
touch blacklist-nvidia-nouveau.conf

blacklist-nvidia-nouveau.conf

options nouveau modeset=0

update-initramfs -u
reboot

lsmod | grep -i nouveau

で何も出力されなければnouveauが無効化されている。

ランレベルを3にする

sudo telinit 3

Ctrl+Alt+F1でtty1に移動し、先程ダウンロードしたドライバのディレクトリに移動する

ドライバインストール

sudo bash NVIDIA-Linux-x86_64-430.14.run

nvidiaドライバの対話的なインストールが始まる。
基本的にデフォルトの選択肢を選んでインストールすればよい．
私の場合、はじめにPre-installが失敗しました的な表示がされたが無視してインストールしたところ、正常にインストールされてしまった
また、gccのバージョンがnvidiaドライバのそれと異なると怒られたが、これも特に問題はなかった

ドライバ正常インストールの確認

puri@Dorothy:~/docker/dl4us$ nvidia-smi
Sun Jun  2 20:54:40 2019       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 430.14       Driver Version: 430.14       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 166...  Off  | 00000000:01:00.0  On |                  N/A |
| 41%   35C    P8    15W / 120W |   1124MiB /  5941MiB |     14%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1658      G   /usr/lib/xorg/Xorg                            40MiB |
|    0      1701      G   /usr/bin/gnome-shell                          48MiB |
|    0      4080      G   /usr/lib/xorg/Xorg                           667MiB |
|    0      4210      G   /usr/bin/gnome-shell                         254MiB |
|    0     17646      G   ...uest-channel-token=10238543940149882084   111MiB |
+-----------------------------------------------------------------------------+

こんな感じでGPUが見えればok.

よくあるトラブル

• 再起動したらNVIDIAドライバが壊れる
  • 上記手順の「ランレベル3変更」のステップから，インストールを実行する~~（は？？？）~~

Docker

1. nvidia-docker2導入
2. イメージ作成
3. jupyter notebook起動

Dockerインストール

公式を参考にインストール

nvidia-docker インストール

公式githubのQuickstartを参考にする

イメージ作成

ベースイメージはtensorflow:latest-gpu-py3-jupyterを使用した
まずはDockerfileを作成
途中のRUN ln -s /usr/lib/x86_64-linux-gnu/libcudnn.so.7.4.1 /usr/lib/x86_64-linux-gnu/libcudnn.soは、cuDNN 7.4の内部でライブラリが正しく参照されないバグが存在するため、それに対するworkaroundである。

FROM tensorflow/tensorflow:latest-gpu-py3-jupyter
RUN apt-get update && apt-get install -y git graphviz build-essential cmake vim
COPY ${PWD}/mount/requirements.txt /tf
COPY ${PWD}/mount/jupyter_notebook_config.py /root/.jupyter/
RUN pip install -r requirements.txt
RUN ln -s /usr/lib/x86_64-linux-gnu/libcudnn.so.7.4.1 /usr/lib/x86_64-linux-gnu/libcudnn.so
RUN git clone https://github.com/matsuolab-edu/dl4us.git

ビルドする

docker build . -t dl4us

コンテナを作成・起動

docker run -it -p 8888:8888 -v ${PWD}/mount:/mnt/host --name "laala" dl4us bash

ホスト側のブラウザでlocalhost:8888にアクセスするとjupyter notebookの画面が見られるはず
あとはお勉強するだけ