Я новичок в докере и узнаю об этом недавно. Когда я пытался использовать его для одного из моих заданий. Я получил следующую ошибку, которую нигде не нашел хорошего решения. Я правильно установил nvidia-docker и собрал образ перед тем, как попробовать следующую команду, указанную в link . Версия nvidia-docker:
ii nvidia-docker 1.0.1-1 amd64 NVIDIA Docker container tools
Это ошибка, которую я получил после выполнения вышеуказанной команды.
Unable to find image 'retinanet:latest' locallydocker: Error response from
daemon: pull access denied for retinanet, repository does not exist or may
require 'docker login': denied: requested access to the resource is denied.
Ниже приведено то, что я получил после построения образа.
$ sudo docker build -t retinanet:latest retinanet/
Sending build context to Docker daemon 208.9kB
Step 1/3 : FROM nvcr.io/nvidia/pytorch:19.05-py3
---> 7e98758d4777
Step 2/3 : COPY . retinanet/
---> Using cache
---> a32277843b1f
Step 3/3 : RUN pip install --no-cache-dir -e retinanet/
---> Using cache
---> a0195cf77814
Successfully built a0195cf77814
Successfully tagged retinanet:latest
Ниже приведен результат, полученный после образов докера.
$ sudo docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
<none> <none> 7cd7d8e7cedc 2 days ago
7.59GB
nvcr.io/nvidia/pytorch 19.09-py3 9d6f9ccfbe31 6 weeks ago 9.15GB
nvidia/cuda 9.0-base 1443caa429f9 7 weeks ago 137MB
retinanet latest a0195cf77814 7 weeks ago 7.59GB
nvcr.io/nvidia/pytorch 19.07-py3 71df86c191f8 3 months ago 8.32GB
nvcr.io/nvidia/pytorch 19.05-py3 7e98758d4777 5 months ago 7.55GB
Когда я использую команду
docker run -ti retinanet:latest
Рабочая область создана, но я получаю следующеепредупреждения, указывающие на то, что я не использую средство графического процессора.
WARNING: The NVIDIA Driver was not detected. GPU functionality will not be available.
Use 'nvidia-docker run' to start this container; see https://github.com/NVIDIA/nvidia-docker/wiki/nvidia-docker .
NOTE: MOFED driver for multi-node communication was not detected.
Multi-node communication performance may be reduced.
NOTE: The SHMEM allocation limit is set to the default of 64MB. This may be
insufficient for PyTorch. NVIDIA recommends the use of the following flags:
nvidia-docker run --ipc=host ...
Примечание. Я следовал решению этой ссылки , но в моем случае это не помогло. Любые идеи и предложения будут очень полезны. Заранее спасибо.