Centos8安装显卡驱动并通过docker部署深度学习环境
20201107 -
之前的时候，在实验室的深度学习服务器上安装深度学习的环境，部署的文章在《Docker部署容器使用GPU并搭建jupyter环境》，当时很多东西都不是很懂，但是基本上匹配上了版本就没什么问题。但是因为一些原因，底层的驱动被人搞崩了，导致很多命令直接失效了，完全就是崩溃的效果。所以只能选择重装。
本次重装，操作系统选取centos8，物理机上还是原来的三块Tesla p100，显卡驱动升级为450，暂时没有必要使用更高版本。本次同样采用docker的部署形式，仅仅需要在底层宿主机安装显卡驱动，而实际深度学习的环境在容器中即可，相对来说比较方便，后续也仅仅升级显卡驱动即可。而且，使用docker部署的形式，就是为了能够让实验室每个组都能实现隔离，防止其他组的占用GPU；而且虽然通过虚拟环境能够在宿主机上实现隔离，但是你保不齐有些人乱搞。
本篇文章已经成功部署了docker的深度学习环境，通过n【【微信】】实现显卡的隔离，下面来具体展开。
注：本文是在centos8的系统下进行显卡驱动的安装，并没有在本机上进行cuda和cudnn的安装，而是在docker中部署环境，请注意，同时在安装过程中，一定要考虑版本安装是否正确。
这台机器插了三块特斯拉显卡，在安装成功之后，通过命令可以查看。
宿主机操作系统选择centos8，选择centos8的原因是后续可能再次升级使用一些新特性，但是不免会带来一些跟centos7不一样的地方，不过慢慢查找原因即可。
这里centos8使用了8.2的镜像，内核版本：
为了保证后续的部署工作更顺利，主要是保证网速，先调整一些简单的内容。
- 下载地址，具体替换文件的方法请自行搜索。
- 执行命令,，实其生效
该命令输出中，查看conigureation可以看到driver=【【微信】】，那么需要将该驱动禁用，不然无法安装nvidia驱动。
参考文章[1]，执行以下命令
打开英伟达下载驱动的地址，按照自己的显卡型号选择。 这里直接选择最新的CUDA11.0，但是实际上，后续镜像中并没有使用这么高级的版本，这里只是为了选择高版本的显卡驱动。cuda和cudnn都是向后兼容的。根据自己的需要进行选择，点击搜索后，出现下载页面。 下载完成即可进行安装；执行以下命令，
在安装过程中，如果出现以下界面： 只需到日志文件中查看，根据提示解决问题即可，这里出现错误是因为缺少库，通过命令安装即可。，如果没有安装内核文件，安装即可。在是否选择32位库时这里没有选择；安装完成之后，通过命令可以查看显卡信息。为了确认安装正确，请重启机器，确保重启之后依然可以使用命令产看显卡信息。
此时已经正确安装了显卡驱动，后面就是部署docker环境
在之前的文章《Docker部署容器使用GPU并搭建jupyter环境》中，提到了直接将宿主机的显卡带进去的方式，但是并不好使，这里还是按照n【【微信】】的形式来进行部署。
参考文章[2]，执行命令如下：
但是报错：
在地址下载containerd.io-1.3.7-3.1.el8.x86_64.rpm，该文件依赖于container-selinux，执行以下命令：
此时docker安装成功，版本位19.03.
执行命令：
检查相关版本：
选择版本2.5.0
注意此时安装了n【【微信】】之后，会覆盖原来的docker的配置，记得把原来的docker镜像源修改回来，可以参考文章[4].
执行命令
可以显示显卡信息，此时安装完成。当然也可以选择其他版本的cuda和cudnn。前面已经提到，通过docker部署的方式，只需要在宿主机安装显卡驱动，并不需要安装cuda等，只需要使用相应的镜像即可，镜像版本可以在dockerhub上搜索。只要版本能够兼容即可，具体版本信息可以在文章[3]中查询，如下图所示：
关于docker的命令使用请自行搜索相关文章，包括如何制作镜像，如何让服务持续运行等。
因为本次的宿主机系统是centos8，docker的镜像启动之后，并不能解析DNS，在查找了相关网页[5]之后，可以使用以下命令：
如果出现了错误，参考文章[6][7]，执行以下命令：
这种方法可以解决这个错误，本质上是python的库安装过程中出现的一些问题；解决上述问题之后，镜像就可以解析dns了。
参考文章[8]，在文章最后的支持GPU的部分，使用镜像，启动镜像时的命令如下：
同时官方还提供了一个带有jupyter的镜像，使用时注意启用GPU即可。 进入之后，通过python的命令可以查看是否支持gpu.
返回True，或者，列出可用的GPU。
使用官方的镜像比较方便，当时还是希望能够自己制作镜像，这样使用起来更灵活。 一开始是为了测试镜像，所以直接进入镜像中逐步执行命令来查看。
因为docker源使用的是阿里的，所以镜像中的yum源也是阿里的，速度很快，不用修改yum源，然后按照以下命令来安装tensorflow。
在选择镜像的cuda和cudnn的版本的时候，最开始直接选择了cuda11.0和cudnn8：，然后安装了tensorflow 2.3.1，单总是提示没有可用GPU，具体报错如下： 可以看到在这个报错信息是说，找不到cuda的库，也就是说，这里库的版本还是不匹配。在tensorflow的官网[9]中，提供了各种版本的信息。 一开始我以为这里是tensorflow最低要求，但是从实际情况上来看，并不是。可能如果要使用最新版的cuda和cudnn可能需要自己通过源码来构建tensorflow了，但是这里还是选择低版本，比较方便。
在文章撰写过程中，pip3默认安装的tensorflow版本是2.3.1，那么按照依赖，选择docekr的镜像为
因为因为这里是为了给实验室各个小组分配镜像，因为每个人的需求可能都不一样，这里索性将镜像当作虚拟机来使用，直接将ssh端口开放给他们，然后让他们自己选择来安装，其实最好的方法，就是分配一个jupyter，但是这样就不太方便。这里还是自己在nvidia的原版镜像上，直接安装python3、tensorflow和keras。 dockerfile如下：
其中开启SSH部分参考文章[10]。制作镜像的命令是，在dockerfile的当前路径下执行下列命令：
版本信息可以自己写。
在前面的内容中，已经说明了启动镜像的方式，这里再具体说明一下；正常情况下，直接执行命令即可：
是前面制作的镜像名字；但是可能涉及多个显卡，对于我们实验室的3个小组来说，每个小组一个显卡，那么需要在启动镜像的时候就传递参数进去。
通过传递进去GPU编号，让每个容器只能使用个别显卡或全部显卡。
本篇文章介绍了在一台刚安装的centos8系统，在安装显卡驱动之后，通过docker的方式部署深度学习黄静，实现容器内使用keras环境。如果部署过程中出现错误，请考虑是否版本匹配的问题，一般来说，选择适合自己机器版本的库都不会出现什么问题。
[1]how-to-install-the-n【【微信】】tos-8 [2]linux安装docker [3]cudnn版本信息 [4]Docker 配置国内阿里云镜像源 [5]Docker containers cannot resolve DNS [6]【【微信】】 (ModuleNotFoundError: No module named ‘six’) [7]firewalld修复 ModuleNotFoundError: No module named ‘six’ [8]tensorflow docker [9]tensorflow版本 [10]docker 通过 Dockerfile 安装centos7 镜像，并完成ssh连接 [11]GPU管理
apex突然锁60帧怎么解除 apex启动错误代码1072怎么解决
apex锁60帧怎么解除,apex突然锁30帧,apex锁帧数怎么办,apex锁40帧解决方法Apex英雄是受到无数玩家喜爱的射击游戏，游戏定于5月10日更新新的赛季s17，在Apex英雄中，玩家们可以尽情享受到作战、射击以及合作等多元的乐趣，目前有超级多的玩家在询问Apex英雄0x887a0005如何解决，想在解决问题之后畅快游玩，那么下面小编就为大家带来Apex英雄0x887a0005解决方法，帮助各位玩家快速解决问题畅玩游戏。
Apex英雄0x887a0005，提示0x887a0005原因分析及解决方法奉上
方法一：降低游戏画面设置
具体操作：Apex英雄0x887a0005是和显卡等相关的游戏报错，可能是因为玩家们在游戏内将画面设置拉到太高导致，但是实际上玩家们不需要追求每项最高，也可以获得不错的体验，否则还可能会遇到报错的问题。小编的游戏设置如下图所示，小伙伴们也可以参考：
方法二：升级电脑显卡驱动
具体操作：如果玩家电脑的显卡驱动已经长时间没有更新过，也可能会遇到Apex英雄0x887a0005的问题，建议玩家们可以去指定的官网中更新显卡驱动试试，有概率可以解决问题。
方法三：稳定连接服务器
具体操作：Apex英雄中的大部分报错还和网络异常有关系，主要原因在于这款游戏的服务器不在国内，对网络有着高要求，如果玩家们和服务器连接不稳定，可能会导致报错，小编采取的方法是在海豚加速Apex英雄，亲测可以稳定游玩。
领取加速时长的方法放在下面，需要加速的小伙伴可以自取哦！
以上就是小编为大家带来的关于Apex英雄0x887a0005，提示0x887a0005的原因分析及解决方法分享。
