GPU-Cluster(Docker) User Guide - Revision history

Yw: Blanked the page

2016-11-15T01:50:03Z

Blanked the page

Yw at 05:13, 10 October 2016

2016-10-10T05:13:19Z

Yw at 05:12, 10 October 2016

2016-10-10T05:12:56Z

Yw: /* 使用Docker资源 */

2016-09-29T00:12:34Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-09-29T00:11:50Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-09-29T00:11:15Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-07-04T02:29:26Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-07-01T07:16:15Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-07-01T06:57:38Z

‎使用Docker资源

Yw: /* 使用Docker资源 */

2016-07-01T06:30:59Z

‎使用Docker资源

← Older revision		Revision as of 01:50, 15 November 2016
Line 1:		Line 1:
−	~~清华大学交叉信息研究院GPU-Cluster（Docker)用户操作指南~~

−
−	~~= 申请Docker资源 =~~
−
−	~~请登录www.shurenyun.com 注册一个账户。~~
−
−	~~请把注册的帐户信息（即：注册时填写的邮箱）发送给尹伟老师，尹伟老师的邮箱是yw@mail.tsinghua.edu.cn，尹老师进行授权后，即可使用Docker资源。~~
−
−
−	~~= 使用Docker资源 =~~
−
−	~~用户使用Docker（GPU-Cluster）资源，详细操作，如下：~~
−
−	使用注册的账户登录www.shurenyun.com，点击左侧导航栏中的“应用管理”，然后点击右上角的第一个图标，会出现“新建应用”，点击“新建应用”，填写的信息如下：
−
−	~~1）应用名称：自定义。~~
−
−	~~2）选择集群：单击黑色的三角选择按钮，选中gpu-share:GPU-cluster~~
−
−	~~3）镜像地址：手工输入如下地址 demoregistry.dataman-inc.com/srypoc/deeplearning~~
−
−	~~4）镜像版本：手工输入如下版本 allinone~~
−
−	~~5）网络模式：网桥模式（这里必须选择网桥模式，因为容器的暴露端口是22，主机模式会跟宿主机的22端口冲突）。~~
−
−	~~6）容器规格： CPU权重，可以设置为1。内存大小根据情况而定。~~
−
−	~~7）容器个数：1（docker的数量，根据情况而定）。~~
−
−	~~点击“容器个数”下面的V型按钮，打开“高级设置”，设置如下内容：~~
−
−	~~8）选择主机：不需要输入标签。可以使用默认的“主机（默认随机）”，也可以直接选择 10.1.0.[170,172,177,179,180]中的某一台或几台主机。~~
−
−	~~9）挂载点：点击添加挂接路径按钮，添加如下2项信息。~~
−
−	~~1>主机目录：/var/lib/docker/volumes/nvidia_driver_352.79/_data 映射到容器目录：/usr/local/nvidia~~
−
−	2>主机目录：/mnt/data 映射到容器目录：/mnt/data 用户需要将持久化保持的数据放到该目录的某个文件夹下。(注：该目录是个nfs目录，数据将会被持久化存储到 ceph 上。由于当前版本数人云无法与ldap绑定，所以该目录里面的文件没有隔离机制，用户要各自建立一个 home 目录来放置自己的文件)。
−
−	~~10）应用地址：点击“添加应用地址”，应用端口文本框中填写22；协议选择TCP；映射端口文本框中填写1024-65535之间任意一个端口。~~
−
−	~~11）环境变量：可以不填写。~~
−
−	~~12）Docker 参数: 单击“添加DOCKER参数”按钮，添加如下3个参数。~~
−
−	~~Key文本框中填写: device 对应的Value文本框中填写: /dev/nvidia-uvm~~
−
−	~~Key文本框中填写: device 对应的Value文本框中填写: /dev/nvidia0~~
−
−	~~Key文本框中填写: device 对应的Value文本框中填写: /dev/nvidiactl~~
−
−	~~13）日志目录：可以不修改。~~
−
−	~~14）CMD：把docker启动时需要执行的命令，放在该处。如无该需求，此处便不用填写。~~
−
−	点击“创建”按钮，开始创建应用。“应用状态”显示“运行中”，则表明创建成功。单击“实例”项，在“实例名称”下面可以看到该应用对应的主机IP地址和端口号。
−
−	~~记下该主机IP地址和端口号，使用ssh访问容器时，会用到这两个值。~~
−
−	~~应用创建成功后，通过命令：ssh -o ServerAliveInterval=5 -p 端口 root@IP地址，密码：password ，即可访问容器。~~
−
−	~~登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。~~
−
−
−	~~= 常见问题及解决办法 =~~
−
−	~~1、在建立的应用中，执行apt-get update时，提示如下错误：~~
−
−	~~W: GPG error: http://developer.download.nvidia.com Release: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY F60F4B3D7FA2AF80~~
−
−	~~解决办法为：~~
−
−	~~执行如下命令添加公钥~~
−
−	~~wget -qO - http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/7fa2af80.pub \| sudo apt-key add -~~
−
−	~~然后再执行apt-get update~~

← Older revision		Revision as of 05:13, 10 October 2016
Line 62:		Line 62:

	登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。		登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。
		+

	= 常见问题及解决办法 =		= 常见问题及解决办法 =

← Older revision		Revision as of 05:12, 10 October 2016
Line 62:		Line 62:

	登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。		登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。
		+
		+	= 常见问题及解决办法 =
		+
		+	1、在建立的应用中，执行apt-get update时，提示如下错误：
		+
		+	W: GPG error: http://developer.download.nvidia.com Release: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY F60F4B3D7FA2AF80
		+
		+	解决办法为：
		+
		+	执行如下命令添加公钥
		+
		+	wget -qO - http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/7fa2af80.pub \| sudo apt-key add -
		+
		+	然后再执行apt-get update

@@ Line 59: / Line 59: @@
 记下该主机IP地址和端口号，使用ssh访问容器时，会用到这两个值。
-应用创建成功后，通过命令“ssh -o ServerAliveInterval=5  -p 端口  root@IP地址”，密码：password ，即可访问容器。
+应用创建成功后，通过命令：ssh -o ServerAliveInterval=5  -p 端口  root@IP地址，密码：password ，即可访问容器。
 登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。

@@ Line 59: / Line 59: @@
 记下该主机IP地址和端口号，使用ssh访问容器时，会用到这两个值。
-应用创建成功后，通过ssh -o ServerAliveInterval=5  -p 端口  root@IP地址，密码：password ，即可访问容器。
+应用创建成功后，通过命令“ssh -o ServerAliveInterval=5  -p 端口  root@IP地址”，密码：password ，即可访问容器。
 登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。

@@ Line 39: / Line 39: @@
 >主机目录：/mnt/data  映射到容器目录：/mnt/data 用户需要将持久化保持的数据放到该目录的某个文件夹下。(注：该目录是个nfs目录，数据将会被持久化存储到 ceph 上。由于当前版本数人云无法与ldap绑定，所以该目录里面的文件没有隔离机制，用户要各自建立一个 home 目录来放置自己的文件)。
-）应用地址： 应用端口文本框中填写22；协议选择TCP；映射端口文本框中填写1024-65535之间任意一个端口。
+）应用地址： 点击“添加应用地址”，应用端口文本框中填写22；协议选择TCP；映射端口文本框中填写1024-65535之间任意一个端口。
 ）环境变量： 可以不填写。

@@ Line 57: / Line 57: @@
 点击“创建”按钮，开始创建应用。“应用状态”显示“运行中”，则表明创建成功。单击“实例”项，在“实例名称”下面可以看到该应用对应的主机IP地址和端口号。
-记下该主机IP地址和端口号，使用ssh访问容器时，会用到这两个对象。
+记下该主机IP地址和端口号，使用ssh访问容器时，会用到这两个值。
 应用创建成功后， 通过ssh -p 端口号  root@主机IP地址，密码：password ，即可访问容器。
 登录容器后，可以通过命令：caffe device_query -gpu all 来查看GPU信息。

@@ Line 31: / Line 31: @@
 点击“容器个数”下面的V型按钮，打开“高级设置”，设置如下内容：
-）选择主机： 如果你必须使用GPU资源，最好选择标签gpu, 或者直接选择 10.1.0.[170,172,177,179,180]中的某一台或几台主机。
+）选择主机： 不需要输入标签。可以使用默认的“主机（默认随机）”，也可以直接选择 10.1.0.[170,172,177,179,180]中的某一台或几台主机。
 ）挂载点：点击添加挂接路径按钮，添加如下2项信息。

@@ Line 19: / Line 19: @@
 ）选择集群： 单击黑色的三角选择按钮，选中gpu-share:GPU-cluster
-）镜像地址： demoregistry.dataman-inc.com/srypoc/deeplearning
+）镜像地址： 手工输入如下地址 demoregistry.dataman-inc.com/srypoc/deeplearning
-）镜像版本： allinone
+）镜像版本： 手工输入如下版本 allinone
 ）网络模式： 网桥模式（这里必须选择网桥模式， 因为容器的暴露端口是22，主机模式会跟宿主机的22端口冲突）。