在集装箱中使用gpu
为了利用图形处理单元(gpu)提供的性能优势,可以在容器中使用主机系统的gpu。默认情况下,容器不能访问其主机的硬件资源。使容器能够访问NVIDIA®主机系统的图形处理器,需要:
在安装了适当的NVIDIA GPU驱动程序的主机系统上运行容器,例如使用英伟达深度学习AMI.
控件使主机的gpu对容器可见
——gpu
标记时执行码头工人运行
命令。将此标志设置为所有
如果你想让容器访问主机的所有gpu。例如,运行MATLAB®容器,并通过执行如下命令让它访问主机的gpuDocker运行——gpu所有mathworks/matlab
检查对gpu的容器访问
要检查容器是否可以访问主机的gpu,请在容器中打开MATLAB并执行以下命令
gpuDeviceTable
ans =2×5表索引名称ComputeCapability DeviceAvailable DeviceSelected _____ _____________ _________________ _______________ ______________ 1“泰坦RTX”“7.5”真的真的2”住宅区K620”“5.0”真的假的
gpuDevice
或gpuDeviceCount
代替。有关该命令的更多信息以及如何选择特定的GPU,请参见识别并选择GPU设备
(并行计算工具箱).
使用gpu加速MATLAB代码
在让容器访问gpu之后,您可以通过利用它们的计算能力来加速MATLAB代码,例如并行训练神经网络。要开始,请看在图形处理器上运行MATLAB函数(并行计算工具箱).要了解更多关于使用多个gpu并行训练单个神经网络的信息,请参见基于MATLAB的多gpu深度学习(深度学习工具箱).
另请参阅
gpuDeviceTable
(并行计算工具箱)