python - 在 Nvidia-Docker 中运行 CUFFT 例程

Question

我是 Docker 的新手，尤其是 Nvidia-Docker。我试图将我的代码包装到 docker 容器中并在某些主机上运行它。但显然出了点问题，我无法在 docker 中运行我的代码。我已经安装了 Nvidia-docker，Dockerfile 取自 here .这是我的完整 docker 代码

FROM nvidia/cuda:9.1-runtime-ubuntu16.04
RUN apt-get update && apt-get install -y \
        cuda-command-line-tools-$CUDA_PKG_VERSION \
        cuda-libraries-dev-$CUDA_PKG_VERSION \
        cuda-minimal-build-$CUDA_PKG_VERSION \
&& \
    rm -rf /var/lib/apt/lists/*

ENV LIBRARY_PATH /usr/local/cuda/lib64/stubs

FROM python:3.7-slim
RUN pip install numpy
RUN apt update && \
    apt-get -y install gcc && \
    apt-get -y install g++
ENV NVIDIA_VISIBLE_DEVICES all
ENV NVIDIA_DRIVER_CAPABILITIES compute,utility
ADD helmsolver /helmsolver
CMD dpkg -l | grep -i cuda
CMD cd helmsolver && bash tests.sh

以及之前编译的cudahelmf和cudahelmd的bash脚本代码

nvcc helm3dcudafnd.cu -o cudahelm -I/usr/local/cuda/samples/common/inc/ -lcufft -lcufftw -D DOUBLE

#!/bin/sh
mkdir helmholtz
cd helmholtz
        mkdir build
        mkdir workdir
        mkdir src
        mkdir scripts
        ls
        cp ../cudahelmf ./build
        cp ../cudahelmd ./build
        cp ../tmp.py ./scripts/
        cd workdir
        python3 ../scripts/script1.py 21 21 1
        ../build/cudahelmd config.cfg >> results_double.txt
        ../build/cudahelmf config.cfg >> results_float.txt

构建和运行我使用的 docker

nvidia-docker build -t helm .
nvidia-docker run --rm -ti helm

运行后报错

../build/cudahelmd: error while loading shared libraries: libcufft.so.9.1: cannot open shared object file: No such file or directory

我做错了什么？是否因为 -lcufft 编译选项而发生并且 docker 不知道从哪里获取它？而且docker安装后没有/usr/local/cuda/目录。这似乎很奇怪，因为 cuda-libraries-dev 包含 cufft 库并且安装成功结束。

这是我计算机上的 nvcc 版本，代码已编译并经过测试。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

和nvidia-docker版本

Docker version 19.03.3, build a872fc2f86

附言也许有一个选项可以在 docker 中编译代码？

Answer 1

问题是你正在运行一个多阶段的 dockerfile，没有从一个到另一个的 COPY，因此你将只以独立的 python3 容器结束，它没有来自 nvidia 容器，所以你需要像这样在 python 容器中复制所需的文件:

COPY --from=0 SOURCE DEST