1. 背景
UbuntuのGPUマシンのDockerコンテナ内でDeep Graph LibraryのサンプルであるGraph Convolutional Networks (GCN)のコードを実行するための環境構築のための備忘録です．
もともとcuda11.3用の環境しか用意しておらず，今回のコードの実行に必要なmxnetがcuda11.3に対応していなかったためコンテナをカスタマイズしてDockerイメージ化することにしました．
以前書いた記事でDocker回りの基本的な使い方などをまとめています．
2. 前提
PC環境
- GPUマシン（サーバー側）
- Ubuntu 20.04 LTS
- AMD EPYC 7402P 24-Core Processor
- RTX 3090 ×2
- メモリ128GB
- openssh-serverインストール済み
- Dockerインストール済み
3. 環境構築
入れたいもの
- cuda11.2.0
- python3
- jupyter lab（jupyter labを使いやすくするための拡張機能もいくつか）
- nodejs
- torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1（cu111版を入れているが，cu112が存在しないのと，cuda11.2でもcu111が動かせるため）
- mxnet-cu112（全てはこれのバージョンに合わせるため…）
- dgl-cu111
セットアップ
terminal
docker pull nvidia/cuda:11.2.0-cudnn8-devel-ubuntu20.04
docker run -it --gpus all --name cuda11.2 -v ~/Desktop/user1:/container/user1 nvidia/cuda:11.2.0-cudnn8-devel-ubuntu20.04
apt update
apt -y upgrade
apt install -y python3-pip
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html
pip install jupyterlab
apt install curl vim wget ffmpeg imagemagick nodejs npm
npm install -g n
n stable
apt purge nodejs npm
exec $SHELL -l
source ~/.bashrc
jupyter labの拡張機能をpipで入れる．
terminal
pip install jupyterlab-language-pack-ja-JP lckr-jupyterlab-variableinspector jupyterlab_nvdashboard ipywidgets black yapf isort jupyterlab_code_formatter jupyterlab_tabnine jupyterlab-lsp 'python-lsp-server[all]' pprintpp jupyterlab-spreadsheet-editor ipympl opencv-python
Deep Graph Libraryを動かすために以下を実行．
terminal
pip install mxnet-cu112
pip install dgl-cu111 dglgo -f https://data.dgl.ai/wheels/repo.html
terminal
exit
docker commit cuda11.2 cuda11.2lab
cuda11.2labという名前のDockerイメージが使えるようになった．
4. まとめ
備忘録のため，簡素なものになってしまいましたが，以上のコマンドでDGLのサンプルが実行できるDockerコンテナを作れるようになります．
ミスなどありましたら，コメントでご指摘の程よろしくお願いします．
ここまで読んでくださり，ありがとうございました．