はじめに
ある論文のモデルを構築しようとした時、neural-renderer-pytorchがどうしてもインストールできませんでした。
その論文のpytorchが1.1.0を使用しているので、cuda10.xが必要みたいです。今使用しているcudaが12.1なので、ダウングレードしなければいけませんが他への影響も考えてDocker内で実装することにしました。
しかし、cuda10.2のimageはすでに削除されているみたいなので以下の記事を参考にimageから作成することにしました。
この手順書では、まずCUDA 10.2のDockerイメージをローカルでビルドします。その後、Docker Composeを使ってCUDA 10.2イメージでコンテナをセットアップし、vscodeでアクセスするところまでまとめています。（個人的なメモです）
動作確認環境
- OS: Ubuntu 20.04(WSL)
1. NVIDIA Container Toolkitのインストール
-
NVIDIA Container Toolkitをインストールします。
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list -
リポジトリを更新し、
nvidia-docker2をインストールします。sudo apt update sudo apt install -y nvidia-docker2 -
Dockerデーモンを再起動します。
sudo systemctl restart docker -
/etc/docker/daemon.jsonに以下の設定が含まれていることを確認します。{ "default-runtime": "nvidia", "runtimes": { "nvidia": { "path": "nvidia-container-runtime", "runtimeArgs": [] } } } -
設定後、Dockerデーモンを再起動します。
sudo systemctl restart docker
2. CUDA 10.2 Dockerイメージのビルド
ステップ 1: CUDA Dockerイメージのリポジトリをクローン
NVIDIAのCUDA Dockerイメージ作成用リポジトリをクローンします。
git clone https://gitlab.com/nvidia/container-images/cuda.git
cd cuda
ステップ 2: build.shスクリプトの修正
build.shスクリプトに以下の変更を加え、docker buildx buildをdocker buildに置き換えます。
- run_cmd docker buildx build --pull ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
+ run_cmd docker build ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
-t "${IMAGE_NAME}:${CUDA_VERSION}-base-${OS}${OS_VERSION}${IMAGE_SUFFIX:+-${IMAGE_SUFFIX}}" \
"${BASE_PATH}/${OS_PATH_NAME}/base"
- run_cmd docker buildx build --pull ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
+ run_cmd docker build ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
-t "${IMAGE_NAME}:${CUDA_VERSION}-runtime-${OS}${OS_VERSION}${IMAGE_SUFFIX:+-${IMAGE_SUFFIX}}" \
--build-arg "IMAGE_NAME=${IMAGE_NAME}" \
"${BASE_PATH}/${OS_PATH_NAME}/runtime"
- run_cmd docker buildx build --pull ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
+ run_cmd docker build ${LOAD_ARG} ${PUSH_ARG} ${PLATFORM_ARG} \
-t "${IMAGE_NAME}:${CUDA_VERSION}-devel-${OS}${OS_VERSION}${IMAGE_SUFFIX:+-${IMAGE_SUFFIX}}" \
--build-arg "IMAGE_NAME=${IMAGE_NAME}" \
ステップ 3: EOL CUDAファイルの準備
EOLとなったCUDAバージョンのファイルをdistディレクトリにコピーします。
cp -r dist/end-of-life/10.2 dist/
ステップ 4: CUDA 10.2 + cuDNNありのDockerイメージをビルド
以下のコマンドを実行し、ビルドします。
cd dist/10.2/ubuntu1804/devel/cudnn8
docker build -t nvidia/cuda:10.2-cudnn8-devel-ubuntu18.04 --build-arg IMAGE_NAME=nvidia/cuda --build-arg TARGETARCH=amd64 .
ビルドが成功すると、以下のイメージがローカルに生成されます。
nvidia/cuda:10.2-cudnn8-devel-ubuntu18.04nvidia/cuda:10.2-cudnn8-runtime-ubuntu18.04nvidia/cuda:10.2-cudnn8-base-ubuntu18.04
3. Docker Composeファイルの作成
1.次にローカルでworkspaceフォルダを作成後、 プロジェクトのルートディレクトリにdocker-compose.ymlを作成し、以下の内容を追加します。ここでnvidia/cuda:10.2-devel-ubuntu18.04イメージを使用します。また、ローカルのworkspaceフォルダをコンテナ内の/workspaceにマウントします。
version: '3.8'
services:
3dpose:
image: nvidia/cuda:10.2-devel-ubuntu18.04
container_name: cuda10.2-container
runtime: nvidia
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
volumes:
- ./workspace:/workspace # ローカルのworkspaceをマウント
- ./setup.sh:/setup.sh # setup.shをマウント
stdin_open: true
tty: true
command: ["bash", "/setup.sh", "bash"]
以下の部分の設定を追加することで、dockerがデバイスのGPUを使用することができます。
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
4. setup.shの作成
-
プロジェクトルートに
setup.shを作成し、以下の内容を追加します。#!/bin/bash # パッケージリストを更新し、必要なライブラリをインストール apt-get update && apt-get install -y python3 python3-pip git # Pythonパッケージ管理ツールのアップグレード pip3 install --upgrade pip # まずtorchをインストール pip3 install torch==1.1.0 torchvision # GPUの確認 echo "Checking for GPU availability..." python3 -c "import torch; print('CUDA available:', torch.cuda.is_available()); print('Device count:', torch.cuda.device_count()); print('Device name:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'No CUDA device')" # コンテナのbashシェルを起動して終了しないようにする exec "$@" -
setup.shはコンテナ起動時に実行され、必要なPythonライブラリと依存関係のインストール、GPUの確認を行います。
5. コンテナのビルドと起動
-
Docker Composeを使ってコンテナをビルド・起動します。
docker-compose up --build -
コンテナが正常に起動し、
setup.shが実行されていることを確認します。エラーが発生しない場合、セットアップは成功です。
また、最後に使用しているgpuが正しく認識されていれば、そのgpu名が出力されるはずです。
6. VS Codeでコンテナにアタッチ
- Dev Containers拡張機能がインストールされている状態で、VS Codeを開きます。
- コマンドパレット（
Ctrl + Shift + PまたはF1）を開き、「Dev Containers: Attach to Running Container...」を選択します。 - 起動中のコンテナ一覧から
cuda10.2-containerを選択します。 - VS Codeがコンテナにアタッチされ、コンテナ内のファイルを編集したり、ターミナルでコマンドを実行できるようになります。
以上で、CUDA 10.2のイメージと、Docker Composeを使ってコンテナをセットアップする手順が完了します。
最後に
思ったよりも簡単だったので、これからもcuda環境構築はdockerでやろうかなと思いました。