nvidia-dockerはnvidia-container-toolkitへ統合され非推奨になりました．新しく記事を書いたのでそちらを参照してください
ML 系の論文の実装を試していると，複数バージョンの CUDA と PyTorch を使い分ける必要があったりします
今回は nvidia-docker を使って複数バージョンの環境を構築してみます
ソースコード
動作環境
Ubuntu 22.04
NVIDIA GeForce RTX 3060 Ti
Docker Engine ( Docker Desktop は非推奨です )
事前知識
Ubuntu で Docker のインストール
Docker の使い方的な話
前準備
公式ドキュメント
まずは Docker で GPU を認識するために必要なパッケージをインストールします
sudo apt install nvidia-container-runtime
# インストール確認
which nvidia-contaier-runtime-hook
sudo apt install nvidia-docker2
Docker デーモンを再起動
sudo service docker restart
Docker イメージの作成
作成したい環境の nvidia-docker イメージを選びます
Docker hub から 必要な CUDA のバージョンのイメージを選択しましょう
私は CUDA 11.1 or CUDA 11.7 を使うことが多いので，
nvidia/cuda:11.1.1-cudnn8-runtime-ubuntu20.04nvidia/cuda:11.7.1-cudnn8-runtime-ubuntu20.04
を選んでみます
選んだイメージをベースに Dockerfile を作ります
# サンプルファイル docker/pytorch/Dockerfile.111
FROM nvidia/cuda:11.1.1-cudnn8-runtime-ubuntu20.04
ENV DEBIAN_FRONTEND=noninteractive
WORKDIR /app
RUN apt update && \
apt install -y \
wget \
bzip2 \
build-essential \
git \
git-lfs \
curl \
ca-certificates \
libsndfile1-dev \
libgl1 \
python3.8 \
python3-pip
COPY docker/pytorch/requirements.txt /app
RUN pip3 install --no-cache-dir -U pip && \
pip3 install --no-cache-dir -r requirements.txt
RUN pip3 install --no-cache-dir torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
Dockerfile で PyTorch をインストールしてみる
https://download.pytorch.org/whl/torch_stable.html で CUDA のバージョンに合った PyTorch を探します
いくつか例を載せておきます
CUDA11.1
cu111/torch-1.9.0%...，cu111/torchvision-0.10.0%...があるので，pip でインストールようにしておく
pip3 install --no-cache-dir torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
CUDA11.7
cu117/torch-1.13.0%...，cu117/torchvision-0.14.0%...があるので，pip でインストールようにしておく
pip3 install torch==1.13.0+cu117 torchvision==0.14.0+cu117 -f https://download.pytorch.org/whl/torch_stable.html
CUDA11.7, PyTorch 2.0
cu117/torch-2.0.0%...，cu117/torchvision-0.15.0%...があるので，pip でインストールようにしておく
pip3 install torch==2.0.0+cu117 torchvision==0.15.0+cu117 -f https://download.pytorch.org/whl/torch_stable.html
コンテナに GPU を割り当てる
docker compose up で GPU を割り当てる
公式ドキュメント
GPU 接続したい Docker サービスで deploy を指定する
version: '3.3'
services:
pytorch_111:
build:
context: .
dockerfile: docker/pytorch/Dockerfile.111
container_name: 'nvidia-docker_111'
stdin_open: true
tty: true
volumes:
- ./:/app
deploy:
resources:
reservations:
devices:
- driver: nvidia
- count: 1
- capabilities: [gpu]
Docker コンテナの起動
docker compose upで起動できるようになっていると思います
docker compose up -d
VSCode にコンテナをアタッチしたい
VSCode の拡張機能 Remote Development と Docker を使うことで，コンテナの中に入って VSCode 上で作業ができます (VSCode にアタッチできる)
Remote Development では VSCode のワークディレクトリに .devcontainer/devcontainer.json を作成することでコンテナを VSCode にアタッチします
devcontainer.json の例
Docker サービス名，docker-compose.ymlへのパスなどを指定する
"name": "PyTorch",
"dockerComposeFile": "../docker-compose.yml",
"service": "pytorch_111",
"workspaceFolder": "/app",
ctrl + shift + Pとかでコマンドパレットを開いて，Dev Containers: Open Folder in Container...を実行します
ターミナルを開くとコンテナの中に入っていることが確認できます
PyTorch で GPU を認識できるか確認します
>>> import torch
>>> print(torch.cuda.get_device_name())
NVIDIA GeForce RTX 3060 Ti
コンテナから抜ける場合は左下のDev Container: Pythonをクリックして，Close Remote Connectionをしてください
以上
おまけ
docker run で GPU を割り当てたい
コンテナを起動するときに --gpus all を指定すれば ok です
nvidia-smi が通るか確認してみます
docker build . -f docker/pytorch/Dockerfile.111 -t pytorch_111:1.0 # Dockerfileをビルドしてイメージを作成
docker run -it --rm --gpus all pytorch_111:1.0 nvidia-smi # イメージからコンテナを起動
Docker Desktop を使う場合
私がやったときはエラーを吐いてしまったので，Docker Desktop を完全に削除してから Docker Engine を入れ直しました