Docker 映像是否在 cpu 机器上支持 Nvidia gpu答案

【问题标题】：Does Docker image supporting Nvidia gpu on a cpu machineDocker 映像是否在 cpu 机器上支持 Nvidia gpu
【发布时间】：2018-10-04 22:19:19
【问题描述】：

我想在 Docker 容器上运行深度神经网络。我可以使用支持 GPU 的 Docker Hub 上公开可用的 TensorFlow 或 PyTorch 或 CNTK 图像。而且我可以在云端获得 NVIDA GPU。

当我在没有 GPU（或 Intel GPU）的 PC 上运行这些基于 GPU 的容器时会发生什么？基于 NVIDIA GPU 的 Docker 容器能否在我的 CPU 上正常运行（尽管速度较慢）？

如果我可以在没有 GPU 的情况下在本地进行开发，并在我准备好大规模运行时使用 GPU 进行扩展，那就太好了。

这行得通吗？想法？

【问题讨论】：

除了下面给出的答案之外，我想补充一点，如果您使用 PyTorch，您必须手动决定您的数据在哪个设备上传输。准确说明您最终使用的内容将有助于您获得良好答案的机会。

标签： docker tensorflow gpu nvidia pytorch

【解决方案1】：

如果 Tensorflow 没有找到 GPU，它只会使用 CPU，所以这应该可以正常工作。

【讨论】：

【解决方案2】：

Tensorflow 有一个允许软放置的选项，这意味着如果设备不存在，它会自动选择现有且受支持的设备来运行操作。引用 tensorflow 中关于 Using GPUs 的文档，

如果您希望 TensorFlow 自动选择现有的和支持的设备在指定的情况下运行操作不存在，您可以在创建会话时的配置选项。

# Creates a graph.
with tf.device('/device:GPU:2'):
  a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
  b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
  c = tf.matmul(a, b)
# Creates a session with allow_soft_placement and log_device_placement set
# to True.
sess = tf.Session(config=tf.ConfigProto(
      allow_soft_placement=True, log_device_placement=True))
# Runs the op.
print(sess.run(c))

【讨论】：