主要内容

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gpu

    Docker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
该命令返回系统中检测到的所有GPU设备的属性表。另外，如果您使用的是R2021a之前的MATLAB版本，请使用函数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

(并行计算工具箱)

相关的话题

Baidu
map