홀로 떠나는 여행

pytorch를 docker 환경에서 설치하는 것은 매우 간단하다. 다만 nvidia-docker 환경이 먼저 설치되어 있어야 한다.

□ nvidia-docker 설치

nvidia-docker 설치를 하고 싶다면 아래를 참고하기 바란다.

https://driz2le.tistory.com/297

□ docker pytorch 설치

nvidia-docker 환경 구성을 완료했거나 이미 설치가 되어 있을 경우 이제 콘솔 화면에서 아래와 같이 입력하여 설치를 시작한다.

$ docker pull pytorch/pytorch

참고로 해당 명령은 아래 사이트에서 pytorch 설치에 대한 정보를 확인할 수 있다.

https://hub.docker.com/r/pytorch/pytorch/

해당 사이트를 캡처한 아래 그림에서 오른 쪽 하단에 Docker Pull Command를 통해서 설치 명령어를 알 수 있다.

끝으로 docker 사이트에 로그인이 되어 있지 않다면 로그인하라는 메세지가 뜨기도 한다.

당황하지말고 침착하게 docker login ~

□ docker pytorch 이미지 확인

pytorch 다운로드가 완료되면 아래와 같이 이미지를 잘 받았는지 확인이 가능하다.

$ docker images
REPOSITORY              TAG                      IMAGE ID            CREATED             SIZE
pytorch/pytorch             latest                    ba2da111b833      3 weeks ago         4.32GB

□ docker pytorch 컨테이너 실행

runtime 환경에 nvidia를 설정해 주어야 한다.

# docker version 19.03 이상

$ docker run --gpus all --name pytorch --restart=always pytorch/pytorch

# docker version 19.03 이하 nvidia-docker v2 상태

$ docker run --runtime=nvidia --name pytorch --restart=always pytorch/pytorch

※ 주의

    docker version 19.03 부터 nvidia-docker를 설치하면 --gpus 명령을 사용해야 한다.

    19.03 이하 버전에서는 nvidia-docker 버전에 따라 아래처럼 사용한다.

    nvidia-docker v2에서는 --gpus all 대신 --runtime=nvidia를 사용한다.

    nvidia-docker v1은 --runtime=nvidia 또는 --gpus all 명령줄 플래그 대신 nvidia-docker 별칭을 사용한다.

□ 설치된 pytorch에서 GPU 사용여부 확인

pytorch 컨테이너가 구동되면 pytorch가 정상적으로 GPU를 사용할 수 있는지 확인할 필요가 있다.

이 경우 아래 페이지를 참고하여 확인할 수 있다.

https://driz2le.tistory.com/270

이제 사용하는 일만 남았다~ 건승하시길~

□ 추신

새로 설치한 pytorch에는 VI와 jupyter notebook이 설치되어 있지 않다. 설치해 주려면 아래를 수행한다.

1) VI 설치

$ apt-get update
$ apt-get install vim

2) jupyter notebook 설치

$ pip install jupyter

일반적인 경우 아래 세 개 command로 pytorch에서 GPU를 사용가능한지 확인이 가능하다.

import torch

torch.cuda.is_available()

torch.cuda.get_device_name(0)

torch.cuda.device_count()

각각의 command를 설명하면 다음과 같다.

# GPU를 사용할 수 있는 지 알 수 있다.

torch.cuda.is_available()

→ True

# GPU 정보를 반환한다. 아래는 0번 GPU 정보를 반환한다.

torch.cuda.get_device_name(0)

→ 'GeForce GTX 1080 Ti'

# 사용가능한 GPU 개수를 반환한다. 아래 예제는 2개의 GPU가 있다는 것을 알 수 있다.

torch.cuda.device_count()

→ 2

# 만약 os 세팅을 통해서 GPU 개수를 줄인다면

# 터미널에서 아래와 같이 환경변수 CUDA_VISIBLE_DEVICES를 0으로 설정한 후 python 실행

CUDA_VISIBLE_DEVICES=0 python                 # python 실행

# 환경 변수에 의해서 사용가능한 GPU가 0번만 지정되어 1개로 나타난다.

torch.cuda.device_count()

→ 1

# 아래와 같이 사용하는 것은 tourch.cuda.device_count() 결과에 영향을 주지 않는다.

CUDA_VISIBLE_DEVICES=0 python                 # python 실행

import os

os.environ['CUDA_VISIBLE_DEVICES]  = "0"

torch.cuda.device_count()

→ 2

이외 아래와 같은 명령어들이 있다.

# 항상 0을 return

torch.cuda.current_device()

→ 0

# device 정보 반환

torch.cuda.device(0)