如何在 Container Station 中使用 PyTorch？

最后修订日期: 2019-06-06

关于 PyTorch

PyTorch 是基于 Python 的科学计算包，适用于替代 NumPy 来利用 GPU 的强大功能，同时它还是一个深度学习研究平台，能够提供最大的灵活性和最快的速度。

在 Container Station 中安装 PyTorch

为 Container Station 分配 GPU。
1. 转到“Control Panel”（控制台）>“System”（系统）>“Hardware”（硬件）>“Graphics Card”（显卡）。
2. 在“Resource Use”（资源使用）下，将 GPU 分配给 Container Station。
3. 单击“Apply”（应用）。
打开 Container Station。

使用正确的映像版本。

单击“Images”（映像）。

单击“Pull”（拉取）以安装所需映像。

注意：建议根据安装的 QTS 和 Nvidia 驱动程序版本使用以下版本的 PyTorch：

QTS 和 Nvidia 驱动程序版本	标签	拉取命令
QTS 4.3.5/4.3.6 和 Nvidia 驱动程序 v1.3.5	pytorch/pytorch:0.4.1-cuda9-cudnn7-devel	docker pull pytorch/pytorch:0.4.1-cuda9-cudnn7-devel
QTS 4.4.x 和 Nvidia 驱动程序 v2.0.0	pytorch/pytorch:1.0.1-cuda10.0-cudnn7-devel	docker pull pytorch/pytorch:1.0.1-cuda10.0-cudnn7-devel

单击“Create”（创建）。
搜索关键字“PyTorch”。查找 pytorch/pytorch，然后单击“Install”（安装）。

根据安装的 QTS 和 Nvidia 驱动程序版本选择 PyTorch 版本。

QTS 和 Nvidia 驱动程序版本	建议版本
QTS 4.3.5/4.3.6 和 Nvidia 驱动程序 v1.3.5	0.4.1-cuda9-cudnn7-devel
QTS 4.4.x 和 Nvidia 驱动程序 v2.0.0	1.0.1-cuda10.0-cudnn7-devel

单击“Next”（下一步）。
单击“Advanced Settings”（高级设置）。
为容器分配 GPU。
1. 转到“Device”（设备）。
2. 单击“Add”（添加）。
3. 选择要添加到容器中的 GPU。
可选：与容器共享 NAS 文件夹。
1. 转到“Shared Folder”（共享文件夹）。
2. 在“Volume from Host”（主机卷）上方，单击“Add”（添加）。
  随即添加主机的一个新卷。
3. 选择主机路径。
4. 指定“Mount Point”（装载点）。
单击“Create”（创建）。
此时将显示新容器的“Summary”（摘要）。
查看该容器的设置。
单击“OK”（确定）。
容器映像安装完毕。

通过 SSH 装载 NVIDIA GPU

通过 SSH 连接到 NAS。

将 GPU 装载至容器。

根据要装载的 GPU 输入以下命令之一。

要装载的 GPU	命令
第一个	–device /dev/nvidia0:/dev/nvidia0 \ –device /dev/nvidiactl:/dev/nvidiactl \ –device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia
第二个	–device /dev/nvidia0:/dev/nvidia0 \ –device /dev/nvidia1:/dev/nvidia1 \ –device /dev/nvidiactl:/dev/nvidiactl \ –device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia
两个	–device /dev/nvidia1:/dev/nvidia1 \ –device /dev/nvidiactl:/dev/nvidiactl \ –device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia

要装载的 GPU

命令

第一个

–device /dev/nvidia0:/dev/nvidia0 \
–device /dev/nvidiactl:/dev/nvidiactl \
–device /dev/nvidia-uvm:/dev/nvidia-uvm \
-v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f
/etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia

第二个

–device /dev/nvidia0:/dev/nvidia0 \
–device /dev/nvidia1:/dev/nvidia1 \
–device /dev/nvidiactl:/dev/nvidiactl \
–device /dev/nvidia-uvm:/dev/nvidia-uvm \
-v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f
/etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia

两个

–device /dev/nvidia1:/dev/nvidia1 \
–device /dev/nvidiactl:/dev/nvidiactl \
–device /dev/nvidia-uvm:/dev/nvidia-uvm \
-v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f
/etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia

注意：下面按您的 QTS 和 Nvidia 驱动程序版本列出了示例命令：

QTS 和 Nvidia 驱动程序版本	命令
QTS 4.3.5/4.3.6 和 Nvidia 驱动程序 v1.3.5	docker run -it –name pytorch \ –device /dev/nvidia0:/dev/nvidia0 \ –device /dev/nvidiactl:/dev/nvidiactl \ –device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia \ pytorch/pytorch:0.4.1-cuda9-cudnn7-devel
QTS 4.4.x 和 Nvidia 驱动程序 v2.0.0	docker run -it –name pytorch \ –device /dev/nvidia0:/dev/nvidia0 \ –device /dev/nvidiactl:/dev/nvidiactl \ –device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d None`/usr/:/usr/local/nvidia \ pytorch/pytorch:1.0.1-cuda10.0-cudnn7-devel

QTS 和 Nvidia 驱动程序版本

命令

QTS 4.3.5/4.3.6 和 Nvidia 驱动程序 v1.3.5

docker run -it –name pytorch \
       –device /dev/nvidia0:/dev/nvidia0 \
       –device /dev/nvidiactl:/dev/nvidiactl \
       –device /dev/nvidia-uvm:/dev/nvidia-uvm \
-v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d 
None`/usr/:/usr/local/nvidia \
       pytorch/pytorch:0.4.1-cuda9-cudnn7-devel

QTS 4.4.x 和 Nvidia 驱动程序 v2.0.0

docker run -it –name pytorch \
      –device /dev/nvidia0:/dev/nvidia0 \
      –device /dev/nvidiactl:/dev/nvidiactl \
      –device /dev/nvidia-uvm:/dev/nvidia-uvm \
-v `/sbin/getcfg NVIDIA_GPU_DRV Install_Path -f /etc/config/qpkg.conf -d 
None`/usr/:/usr/local/nvidia \
      pytorch/pytorch:1.0.1-cuda10.0-cudnn7-devel