Revision as of 09:30, 24 June 2016

清华大学交叉信息研究院Docker(GPU-Cluster)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：

发布GPU应用

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“新建应用”来发布一个deeplearning:allinone的应用。

应用名称： 自定义

选择集群： gpu-share:GPU-cluster

镜像地址： demoregistry.dataman-inc.com/srypoc/deeplearning:allinone

镜像版本： 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）

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。

挂载点：

     主机目录：/var/lib/docker/volumes/nvidia_driver_352.79/_data  映射到容器目录：/usr/local/nvidia

     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，只能要求用户各自建立一个 home 目录来放置自己的文件)

容器规格： 1cpu，1024M（或者据情况而定）

高级设置 应用地址： 应用端口22 ， 协议TCP，映射端口：52222（也可以是别的，自定） docker 参数: Key: device Value: /dev/nvidia-uvm Key: device Value: /dev/nvidia0 Key: device Value: /dev/nvidiactl

点击“创建”

应用创建成功后， 通过 ssh -p ${应用地址栏看到的端口} root@${应用地址栏看到的IP}(这里的应该是 10.1.0.170)，密码：password ，即可访问

登录容器内部后， 我们可以通过命令： caffe device_query -gpu all 来查看GPU信息

固定访问端口

Troubleshooting