Tag: gpu

需要login密码才能访问运行在nvidia-docker容器中的jupyter笔记本: 我按照以下顺序运行这个命令，以便在Ubuntu 16.04（NVIDIA GPU GeFORCE 840M）成功安装后，在Docker容器中运行tensoflow。 1.sudo服务docker start 2.sudo nvidia-docker run -it -p 8888：8888 gcr.io /tensorflow/tensorflow:latest-gpu 然后，我尝试通过inputlocalhost：8888来访问firefox浏览器中的jupyter，并要求我在浏览器中inputlogin密码。解决办法是什么？

nvidia-docker中的TensorFlow：调用cuInit失败：CUDA_ERROR_UNKNOWN: 我一直在努力获得一个依赖于TensorFlow的应用程序来作为一个docker容器与nvidia-docker 。我已经在tensorflow/tensorflow:latest-gpu-py3之上编译了我的应用程序tensorflow/tensorflow:latest-gpu-py3 image。我用以下命令运行我的docker容器： sudo nvidia-docker run -d -p 9090:9090 -v /src/weights:/weights myname/myrepo:mylabel 当通过portainer查看日志时，我看到以下内容： 2017-05-16 03:41:47.715682: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations. 2017-05-16 03:41:47.715896: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but […]

用多个用户pipe理多个GPU: 我有一个服务器（Ubuntu 16.04）与4个GPU。我的团队分享这个，我们目前的方法是容纳我们所有与Docker的工作，并使用$ NV_GPU=0 nvidia-docker run -ti nvidia/cuda nvidia-smi来限制容器到GPU。当我们非常清楚谁在使用哪个GPU时，这个效果很好，但是我们的团队已经发展壮大了，我想要一个更强大的监控GPU使用的方法，并禁止在GPU使用时访问GPU。 nvidia-smi是“GPU-Util”的一个信息通道，但是有时GPU在某个时刻可能有0％的GPU-Util，而当前它是由在容器中工作的人保留的。你有什么build议：当用户运行$ NV_GPU='gpu_id' nvidia-docker run时跟踪当另一个用户运行$ NV_GPU='same_gpu_id' nvidia-docker run时发生错误保持一个更新的日志，这是沿着{'gpu0'：'user_name或free'，。。。'gpu3'：'user_name or free'}，其中每个gpu标识使用该gpu运行活动docker容器的用户，或者说它是'free'。实际上，说明用户和连接到GPU的容器将是可取的。当用户closures正在使用gpu的容器时更新日志我可能也在想这个错误的方式，所以对其他想法敞开心扉。谢谢！

如何在Docker镜像中运行GPGPU，与主机内核和GPU驱动版本不同: 我有几台GPU的机器。我的想法是将它们附加到不同的docker实例，以便在CUDA（或OpenCL）计算中使用该实例。我的目标是用相当古老的Ubuntu和相当老的AMDvideo驱动程序（13.04）来设置docker镜像。原因很简单：升级到较新版本的驱动程序将打破我的OpenCL程序（由于错误的AMD Linux驱动程序）。所以问题在于。是否有可能运行新鲜的内核4.2和更新的AMD（ fglrx ）驱动程序在仓库中的旧Ubuntu，旧内核（例如3.14）和旧的AMD（ fglrx ）驱动程序的新鲜的Arch Linux安装程序的docker映像？ PS我试过这个答案（与Nvidia卡），不幸的是deviceQuery图像内的deviceQuery没有看到任何CUDA设备（因为它发生在原来的答案一些评论者）… PPS我的设置： CPU：Intel Xeon E5-2670 GPU的： 1个Radeon HD 7970 $ lspci -nn | grep Rad 83:00.0 VGA compatible controller [0300]: Advanced Micro Devices, Inc. [AMD/ATI] Tahiti XT [Radeon HD 7970/8970 OEM / R9 280X] [1002:6798] 83:00.1 Audio device [0403]: Advanced Micro Devices, […]

在Windows 10上访问Docker上的GPU: 我注意到nvidia已经支持GPU和Docker，但是我相信这只是针对linux。有没有人得到它在Windows 10上工作？特别是，我希望能够访问机器学习应用程序。 https://github.com/NVIDIA/nvidia-docker