louiskroener / parallel-computing-cuda-docker

GPU Virtualisierung (mit Docker)

Installation (WSL 2 Ubuntu)

• WSL2 Ubuntu aufsetzen (siehe Microsoft Docs)
• Docker Desktop installieren und Docker für WSL2 Ubuntu aktivieren
• gcc installieren (falls noch nicht vorhanden)
• https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=runfile_local
• Cuda installieren mit präferierter Methode (s. Link)

nvidia-smi

• check ob cuda über container läuft

docker run --rm --gpus all nvidia/cuda:11.7.0-runtime-ubuntu20.04 nvidia-smi

• GPU Benchmark

sudo docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark

Praktische Beispiele

Was lässt uns die Runtime konfigurieren

• --gpu Flag zum steuern mit welche GPU Container gestartet wird

docker run --rm --gpus 2 nvidia/cuda nvidia-smi

docker run --rm --gpus all nvidia/cuda nvidia-smi

docker run --gpus '"device=1,2"' nvidia/cuda nvidia-smi --query-gpu=uuid --format=csv

• NVIDIA_VISIBLE_DEVICES

docker run --rm --runtime=nvidia -e NVIDIA_VISIBLE_DEVICES=all nvidia/cuda nvidia-smi

• NVIDIA_DRIVER_CAPABILITIES

docker run --rm --runtime=nvidia \ -e NVIDIA_VISIBLE_DEVICES=2,3 \ -e NVIDIA_DRIVER_CAPABILITIES=compute,utility \ nvidia/cuda nvidia-sm

docker run --rm --gpus 'all,"capabilities=compute,utility"' \ nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi

Hashcat

Dockerfiles

siehe samples