Docker容器内更新CUDA CUDNN以及PyTorch

发布网友发布时间：2024-09-30 09:40

共1个回答

热心网友时间：2024-10-20 05:15

为确保环境满足显卡需求，需在运行容器中及时更新 CUDA、CUDNN 和 PyTorch 环境。以下是更新步骤及详解：

首先，启动旧版本镜像的容器。紧接着，查证当前 CUDA 和 PyTorch 的版本。

已准备 pytorch 1.10 的 whl 文件以及 cuda11.4 和 cudnn8。通过 docker cp 命令将这些文件传输至容器内部。

安装 CUDA11.4。安装过程中若出现 libxml2.so.2 缺失错误，则需安装 libxml2 系统包。紧接着，继续安装 CUDA。安装时，仅选择安装 CUDA Toolkit，避免额外的 driver、文档或示例安装，确保高效且无冗余。

成功安装 CUDA 后，更新环境变量设置。

接下来，简单更新 CUDNN，无需额外步骤。

更新完毕，再次执行 `nvcc -V` 查看新的 CUDA 版本信息。

卸载旧版的 PyTorch 和 torchvision，利用 whl 文件重新安装。再次验证版本信息以确保更新成功。

为处理 libdarknet.so，复制最新版的 darknet 进入容器。接着，修改 Makefile 中的相关配置。完成配置后，执行 `make clean` 和 `make j8` 来编译和安装。最后测试 libdarknet.so 的功能。

至此，CUDA、CUDNN 和 PyTorch 均已完成更新。请检查显卡兼容性，确认新版本环境运行正常。如果一切顺利，恭喜您已成功更新容器内依赖环境，迎接高性能应用需求。