docker stack 使用 GPU 部署，但找不到 nvidia 设备

Question

docker stack deploy with GPU，但找不到 nvidia 设备

说明：

当我使用docker-compose up启动程序时，代码运行良好！但是当我使用docker stack deploy -c docker-compose.yml test 启动程序时，它找不到可见的nvidia 设备。我的 docker-compose.yml 和错误日志如下所示。

我很困惑为什么我有相同的配置，使用docker-compose up 和docker stack deploy -c docker-compose.yml test 的不同启动方式，第一个运行良好，但第二个不行。目前对于 docker swarm 对 GPU 的支持是否不完美，或者还有其他方法我没有找到？

环境配置

docker version: 18.06.0-ce
NVIDIA Docker: 1.0.1
Ubuntu: 16:04

/etc/docker/daemon.json

当然，我修改了文件/etc/docker/daemon.json，改变了运行时类型。并重新启动它。

{
  "default-runtime": "nvidia",
  "runtimes": {
    "nvidia": {
      "path": "/usr/bin/nvidia-container-runtime",
      "runtimeArgs": []
    }
  }
}

sudo systemctl daemon-reload
sudo systemctl start docker

docker-compose.yml 配置文件

version: "3"

volumes:
  nvidia_driver_430.14:
    external: true

services:
  tts-server:
    build:
      context: ./
      dockerfile: ./docker/tts_server/Dockerfile
    deploy:
      replicas: 1
    image: tts-system/tts-server-gpu
    environment:
      NVIDIA_VISIBLE_DEVICES: 0
    devices:
      - /dev/nvidia0
      - /dev/nvidiactl
      - /dev/nvidia-uvm
    volumes:
      - ./models:/tts_system/models:ro
      - ./config:/tts_system/config:ro
      - nvidia_driver_430.14:/usr/local/nvidia:ro
    networks:
      - overlay
    ports:
      - "9091:9090"

程序错误日志

2019-07-02 07:50:24.805114: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2499885000 Hz
2019-07-02 07:50:24.808418: I tensorflow/compiler/xla/service/service.cc:150] XLA service 0x4112870 executing computations on platform Host. Devices:
2019-07-02 07:50:24.808457: I tensorflow/compiler/xla/service/service.cc:158]   StreamExecutor device (0): <undefined>, <undefined>
2019-07-02 07:50:24.811640: E tensorflow/stream_executor/cuda/cuda_driver.cc:300] failed call to cuInit: CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected
2019-07-02 07:50:24.811684: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:155] no NVIDIA GPU device is present: /dev/nvidia0 does not exist
E0702 07:50:24.811846     1 decoder.cc:80] Filed to create session: Invalid argument: 'visible_device_list' listed an invalid GPU id '0' but visible device count is -1

这个问题困扰了我很久，非常感谢。

Answer 1

根据问题，

https://github.com/docker/compose/issues/6691

docker-compose 版本 3 中还没有官方支持 --gpus 和 nvidia 设备的运行时参考。

但是您可以安装 nvidia-docker 版本 2 并在 /etc/docker/daemon.json 中进行以下配置 为了使您的 swarm 服务中可用的 nvidia 可见设备。

/etc/docker/daemon.json

{
   "default-runtime":"nvidia",
   "runtimes":{
      "nvidia":{
         "path":"nvidia-container-runtime",
         "runtimeArgs":[

         ]
      }
   }   
}

docker-compose.yaml

在撰写文件中添加环境键，格式如下。

...
environment:
    - NVIDIA_VISIBLE_DEVICES=0
...

NVIDIA_VISIBLE_DEVICES 的允许值可以是

NVIDIA_VISIBLE_DEVICES=全部

参考：https://github.com/NVIDIA/nvidia-container-runtime#nvidia_visible_devices

上述配置对我来说似乎工作正常。