rapidsai/rapidsai-dev-nightly

[NIGHTLY] RAPIDS - 开源GPU数据科学

弃用通知

从RAPIDS v23.08版本开始，此Docker仓库已弃用。

• base类型镜像已由 https://hub.docker.com/r/rapidsai/base 替代
• runtime类型镜像已由 https://hub.docker.com/r/rapidsai/notebooks 替代
• devel类型镜像不再支持

完整变更列表请参见 https://github.com/rapidsai/docker/issues/539%E3%80%82

重要提示： 如需最新稳定版本，请使用 https://hub.docker.com/r/rapidsai/rapidsai-dev 容器。

什么是RAPIDS？

访问 rapids.ai 获取更多信息。

RAPIDS软件库套件使您能够完全在GPU上执行端到端的数据科学和分析管道。它依赖NVIDIA® CUDA®原语进行底层计算优化，同时通过用户友好的Python接口公开GPU并行性和高带宽内存速度。

注意： 请查看下方的先决条件部分，确保您的系统满足RAPIDS的最低要求。

什么是RAPIDS NIGHTLY镜像？

rapidsai/rapidsai-dev-nightly仓库包含RAPIDS的每日Docker构建，包含当天合并到GitHub仓库的最新开发中变更，用于下一个RAPIDS版本。这些容器通常被认为是不稳定的，仅应用于开发和测试。如需最新稳定版本，请使用 https://hub.docker.com/r/rapidsai/rapidsai-dev 容器。

RAPIDS NIGHTLY v23.08a

23.08镜像中包含的库版本：

• cuDF https://github.com/rapidsai/cudf%E3%80%81%60cuML%60 https://github.com/rapidsai/cuml%E3%80%81%60cuGraph%60 https://github.com/rapidsai/cugraph%E3%80%81%60RMM%60 https://github.com/rapidsai/RMM%E3%80%81%60RAFT%60 https://github.com/rapidsai/raft%E3%80%81%60cuSpatial%60 https://github.com/rapidsai/cuspatial%E3%80%81%60cuSignal%60 https://github.com/rapidsai/cusignal%E3%80%81%60cuxfilter%60 https://github.com/rapidsai/cuxfilter

• dask-sql https://github.com/dask-contrib/dask-sql%E3%80%81%60xgboost%60 https://github.com/rapidsai/xgboost%E3%80%81%60dask-cuda%60 https://github.com/rapidsai/dask-cuda

镜像类型

RAPIDS镜像基于 https://hub.docker.com/r/nvidia/cuda 构建，旨在作为相应CUDA镜像的直接替代品，以便轻松添加RAPIDS库，同时保持对现有CUDA应用的支持。

RAPIDS镜像分为三种类型，分布在两个不同的仓库中：

https://hub.docker.com/r/rapidsai/rapidsai-nightly/tags 仓库包含：

• base - 包含可直接使用的RAPIDS环境。
  • 提示：如果您想将RAPIDS作为管道的一部分使用，请使用此镜像。
• runtime - 扩展base镜像，添加了笔记本服务器和示例笔记本。
  • 提示：如果您想通过笔记本和示例探索RAPIDS，请使用此镜像。

本仓库（rapidsai/rapidsai-dev-nightly）包含：

• devel - 包含完整的RAPIDS源代码树，预构建了所有工件，以及编译器工具链、调试工具、头文件和静态库，用于RAPIDS开发。
  • 提示：使用此镜像从源代码开发RAPIDS。

镜像标签命名规则

RAPIDS镜像的标签命名规则将关键平台详细信息整合到标签中，如下所示：

23.08-cuda11.8-devel-ubuntu22.04-py3.10
 ^       ^    ^        ^         ^
 |       |    类型     |         Python版本
 |       |             |
 |       CUDA版本      |
 |                     |
 RAPIDS版本            Linux版本

先决条件

• NVIDIA Pascal™ GPU架构或更高版本
• 兼容的NVIDIA驱动程序的CUDA 11.2/11.4/11.5/11.8
• Ubuntu 20.04/22.04 或 CentOS 7 或 Rocky Linux 8
• Docker CE v18+
• nvidia-container-toolkit

使用方法

启动容器和笔记本服务器

推荐 - Docker CE v19+ 和 nvidia-container-toolkit

bash
$ docker pull rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10
$ docker run --gpus all --rm -it -p 8888:8888 -p 8787:8787 -p 8786:8786 \
         rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

旧版 - Docker CE v18 和 nvidia-docker2

bash
$ docker pull rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10
$ docker run --runtime=nvidia --rm -it -p 8888:8888 -p 8787:8787 -p 8786:8786 \
         rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

容器端口

devel容器使用以下端口：

• 8888 - 公开 JupyterLab 笔记本服务器
• 8786 - 公开 Dask 调度器
• 8787 - 公开 Dask 诊断Web服务器

环境变量

以下环境变量可传递给docker run命令：

• DISABLE_JUPYTER - 设置为true以禁用默认Jupyter服务器启动
• JUPYTER_FG - 设置为true以在前台而非后台启动Jupyter服务器
• EXTRA_APT_PACKAGES - （仅Ubuntu镜像）用于在容器中安装额外的apt包。使用空格分隔的列表值
• APT_TIMEOUT - （仅Ubuntu镜像）apt命令应等待退出的时间（秒）
• EXTRA_YUM_PACKAGES - （仅CentOS镜像）用于在容器中安装额外的yum包。使用空格分隔的列表值
• YUM_TIMEOUT - （仅CentOS镜像）yum命令应等待退出的时间（秒）
• EXTRA_CONDA_PACKAGES - 用于在容器中安装额外的conda包。使用空格分隔的列表值
• CONDA_TIMEOUT - conda命令应等待退出的时间（秒）
• EXTRA_PIP_PACKAGES - 用于在容器中安装额外的pip包。使用空格分隔的列表值
• PIP_TIMEOUT - pip命令应等待退出的时间（秒）

示例：

sh
$ docker run \
    --rm \
    -it \
    --gpus all \
    -e EXTRA_APT_PACKAGES="vim nano" \
    -e EXTRA_CONDA_PACKAGES="jq" \
    -e EXTRA_PIP_PACKAGES="beautifulsoup4" \
    -p 8888:8888 \
    -p 8787:8787 \
    -p 8786:8786 \
    rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

绑定挂载

将文件/文件夹挂载到以下位置可为镜像提供额外功能。

• /opt/rapids/environment.yml - 包含conda将安装的依赖项列表的YAML文件。文件应如下所示：

yml
dependencies:
  - beautifulsoup4
  - jq

示例：

sh
$ docker run \
    --rm \
    -it \
    --gpus all \
    -v $(pwd)/environment.yml:/opt/rapids/environment.yml \
    rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

使用JupyterLab探索笔记本

23.08容器中的笔记本可在以下目录中找到：

• /rapids/notebooks/cugraph - cuGraph演示笔记本
• /rapids/notebooks/cuml - cuML演示笔记本
• /rapids/notebooks/cusignal - cuSignal演示笔记本
• /rapids/notebooks/cuxfilter - cuXfilter演示笔记本
• /rapids/notebooks/cuspatial - cuSpatial演示笔记本
• /rapids/notebooks/xgboost - XGBoost演示笔记本

有关每个笔记本的完整说明，请参见笔记本仓库中的https://github.com/rapidsai/notebooks/blob/branch-23.08/README.md%E3%80%82

扩展RAPIDS镜像

所有RAPIDS镜像使用conda作为包管理器，所有RAPIDS包（包括源代码构建的）都在rapids conda环境中可用。如果要扩展RAPIDS镜像（例如使用FROM），则在Dockerfile的所有RUN命令开头必须包含source activate rapids。否则，docker构建上下文将无法访问RAPIDS库，因为它默认使用base环境。可在GitHub上的https://github.com/rapidsai/docker%E4%B8%AD%E7%9A%84Dockerfile%E4%B8%AD%E6%89%BE%E5%88%B0%E6%AD%A4%E7%B1%BB%E7%A4%BA%E4%BE%8B%E3%80%82

自定义数据和高级使用

您可以自由修改上述步骤。例如，您可以使用自己的数据启动交互式会话：

推荐 - Docker CE v19+ 和 nvidia-container-toolkit

bash
$ docker run --gpus all --rm -it -p 8888:8888 -p 8787:8787 -p 8786:8786 \
         -v /path/to/host/data:/rapids/my_data \
         rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

旧版 - Docker CE v18 和 nvidia-docker2

bash
$ docker run --runtime=nvidia --rm -it -p 8888:8888 -p 8787:8787 -p 8786:8786 \
         -v /path/to/host/data:/rapids/my_data \
         rapidsai/rapidsai-dev-nightly:23.08-cuda11.8-devel-ubuntu22.04-py3.10

这会将主机操作系统的数据映射到容器操作系统的/rapids/my_data目录。您可能需要修改提供的笔记本以适应新的数据路径。

在笔记本中访问文档

您可以在JupyterLab笔记本中使用?命令查看RAPIDS API的文档，如下所示：

[1] ?cudf.read_csv

这会打印函数签名及其使用文档。如果不够，您可以使用??查看函数的完整代码：

[1] ??pygdf.read_csv

有关更多详细信息和RAPIDS 速查表，请查看RAPIDS 文档。

更多信息

查看 RAPIDS 和 XGBoost API文档。

通过遵循 https://github.com/rapidsai/notebooks%EF%BC%8C%E4%BA%86%E8%A7%A3%E5%A6%82%E4%BD%95%E8%AE%BE%E7%BD%AE%E5%A4%9A%E8%8A%82%E7%82%B9cuDF%E5%92%8CXGBoost%E6%95%B0%E6%8D%AE%E5%87%86%E5%A4%87%E5%8F%8A%E5%88%86%E5%B8%83%E5%BC%8F%E8%AE%AD%E7%BB%83%E7%8E%AF%E5%A2%83%E3%80%82

如何获取帮助或提交错误/请求？

请将容器相关问题提交到此GitHub仓库：https://github.com/rapidsai/docker/issues/new

对于cuDF、cuML、RMM等RAPIDS库的问题，请在相关GitHub项目中提交issue。

可在 Stack Overflow 或 Google Groups 获取额外帮助。