【发布时间】：2018-12-02 05:54:50
【问题描述】：
我正在尝试在包含在我的 Ubuntu 18.04 Bionic Beaver 服务器上运行的 docker 内的 jupyter 笔记本上使用 Tensorflow-gpu。
我已完成以下步骤：
1) 已安装 Nvidia 驱动程序 390.67 sudo apt-get install nvidia-driver-390
2) 已安装 CUDA 驱动程序 9.0 cuda_9.0.176_384.81_linux.run
3) 安装 CuDNN 7.0.5 cudnn-9.0-linux-x64-v7.tgz
4) 安装Dockersudo apt install docker-ce
5）安装nvidia-docker2sudo apt install nvidia-docker2
我尝试执行以下操作
nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:1.5.1-gpu-py3
我使用 Tensorflow 1.5.1 的原因是因为我在 1.8.0-gpu-py 和我 read that you need to use Tensorflow 1.5 for older CPUs. 上遇到了同样的内核死错误，我认为这不是真正的问题，因为我正在尝试简单地导入它，我正在使用 tensorflow-gpu
当我第一次运行任何导入 tensorflow 的单元格时，我会得到
我的服务器硬件如下
CPU: AMD Phenom(tm) II X4 965 Processor
GPU: GeForce GTX 760
Motherboard: ASRock 960GM/U3S3 FX
Memory: G Skill F3-1600C9D-8GAB (8 GB Memory)
当我简单地使用 import tensorflow as tf 导入 tensorflow 时，我如何确定内核死亡的原因。
这是 nvidia-docker smi 的结果
$ docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
Fri Jun 22 17:53:20 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.67 Driver Version: 390.67 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 760 Off | 00000000:01:00.0 N/A | N/A |
| 0% 34C P0 N/A / N/A | 0MiB / 1999MiB | N/A Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 Not Supported |
+-----------------------------------------------------------------------------+
如果我在 docker 外部使用 nvidia-smi，这完全匹配。
这是 nvcc --version 结果：
$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176
如果我尝试执行 nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:1.5.1-gpu-py3 bash 以调出 bash 提示符，然后当我执行 import tensorflow as tf 时我通过 python 进入 python 会话，我得到 Illegal instruction (core dumped) 所以它在非 jupyter 中不起作用环境也好。即使我先执行import numpy，然后执行import tensorflow as tf，此错误仍然存在
【问题讨论】：
标签： python docker tensorflow jupyter-notebook