notredamedulac/el7-pytorch-gpu

notredamedulac-el7-pytorch-gpu 镜像文档

镜像概述

notredamedulac-el7-pytorch-gpu 提供Docker和Singularity配置，用于构建与Open Science Grid (OSG) 兼容的CENTOS7容器环境，该环境已预装GPU加速的PyTorch，旨在为科学计算场景提供标准化的GPU计算支持。

核心功能与特性

• OSG兼容性：容器配置符合OSG平台规范，可直接在OSG网格环境中部署使用
• 系统基础：基于CENTOS7操作系统，提供稳定的运行环境
• GPU加速：集成GPU加速的PyTorch框架，支持CUDA加速计算
• 多容器支持：同时提供Docker和Singularity两种容器技术的配置文件

使用场景与适用范围

• 科学计算：适用于需要GPU加速的科学计算任务，如机器学习、深度学习模型训练与推理
• OSG环境部署：针对需要在Open Science Grid平台上运行PyTorch应用的研究团队
• 标准化环境：为依赖CENTOS7和GPU PyTorch的应用提供一致的运行环境，减少环境配置差异

使用方法与配置说明

前提条件

• 已安装Docker Engine或Singularity
• 具备GPU设备及相应的驱动（如NVIDIA驱动、CUDA工具包）

Docker配置使用

1. 获取配置文件
   克隆或下载包含Docker配置的仓库，确保包含Dockerfile及相关配置脚本。

2. 构建Docker镜像
   在配置文件目录下执行以下命令构建镜像：

   bash
   docker build -t notredamedulac-el7-pytorch-gpu .
   

3. 运行容器
   使用GPU支持的方式启动容器：

   bash
   docker run --gpus all -it notredamedulac-el7-pytorch-gpu /bin/bash
   

Singularity配置使用

1. 转换Docker镜像为Singularity镜像
   若已构建Docker镜像，可通过以下命令转换为Singularity格式：

   bash
   singularity build notredamedulac-el7-pytorch-gpu.sif docker-daemon://notredamedulac-el7-pytorch-gpu:latest
   

2. 直接构建Singularity镜像
   使用Singularity配置文件（如Singularity）构建：

   bash
   singularity build notredamedulac-el7-pytorch-gpu.sif Singularity
   

3. 在OSG环境中使用
   将生成的.sif文件提交至OSG平台，根据OSG作业提交规范配置作业脚本，指定GPU资源需求。

验证配置

容器启动后，可通过以下命令验证PyTorch及GPU支持：

bash
python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA可用:', torch.cuda.is_available())"

若输出CUDA可用状态为True，则表明GPU加速配置成功。