docker환경의 gpu 사용에 대해 질문이 있습니다

실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기

해결된 질문

작성

안녕하세요 다니엘 선생님, 좋은 설명해주셔서 수업을 즐겁게 다 들을 수 있었습니다. 수업을 마치며, 한가지 궁금한 점이 있어 질문 드립니다.

도커를 배우기 전 윈도우 운영체제에서 CUDA와 tensorflow를 설치하는 데 고생했던 기억이 있습니다. 자신의 GPU에 맞는 그래픽 드라이버와 이에 호환되는 CUDA버전, cudnn 버전을 맞춰야 하는게 그 이유였는데, 도커에서 이미지로 빌드한 컨테이너 안에서 돌린 keras예제는 잘 실행되었습니다. pytorch도 마찬가지였습니다. 어떻게 따로 버전을 맞추지 않아도 자연스럽게 환경이 맞춰진건가요? VM에서 사용된 Tesla T4 gpu가 특이한건가요?

전공자가 아니라 질문이 황당하게 느껴지실 수도 있겠지만, 정말 궁금해서 여쭤봅니다!

python 딥러닝 linux docker azure 가상화 mlops

답변 2

다니엘

지식공유자

안녕하세요!

먼저 답변이 늦어져서 너무 죄송합니다. 최근에 본의 아니게 꽤 큰 프로젝트의 리더로 선임이 되었습니다. 당분간 주말을 포함하여 좀 정신 없이 보냈습니다.

우선 질문하신 내용은 전혀 황당하거나 비전공자의 질문이 아니고 아주 좋은 질문입니다. 그리고 제가 이미 이전에 공부하면서 스스로 가졌던 궁금중이기도 합니다.

버전을 맞추지 않는 것이 아니고 크게 질문하신 내용이 가능한 이유로는 아래와 같이 2가지의 이유가 있습니다.

첫 번째는 이미 kaggle gpu 도커 이미지가 NVidia의 이미지를 바탕으로 하고 있기 때문입니다.
두 번째는 수업에서 강조한 내용인데 도커 자체가 리눅스 컴퓨터라고 설명을 드렸고 커맨드 들이 (예를 들어 RUN) 리눅스 커맨드를 바탕으로 하고 있습니다. 그래서 도커는 굉장히 다이나믹하게 작동합니다. 예를 들어 리눅스 버전을 확인하거나 아니면 드라이버 버전을 확인해서 가장 적합한 추가적인 환경을 다이나믹하게 만들어 냅니다.

좀 더 추가적으로 설명을 드리고 싶은데 글로 길게 하는 것 보다는 제가 연락처를 강의 자료에 남겨 두었으니 편하게 연락 주세요. 한국 기준 금요일 밤 시간 등에 조금 시간을 잡아서 설명을 드리도록 하겠습니다.

좋은 하루 되세요.

다니엘 드림

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. dkdlscm123님.

도커 환경에서 CUDA와 같은 GPU 관련 설정이 보다 수월하게 진행된 부분에 대한 궁금증을 풀어드리겠습니다. 윈도우 등에서 직접 설치할 때 복잡했던 점들이 도커에서는 어떻게 해결되는지를 간단히 설명드립니다.

도커의 장점

환경 일관성:
- 도커를 사용할 때 가장 큰 장점 중 하나는 환경의 일관성을 유지할 수 있다는 점입니다. 도커 이미지는 정확히 동일한 환경을 제공합니다. 즉, 이미지를 빌드하고 컨테이너를 실행할 때마다 동일한 시스템 구성과 라이브러리를 보장합니다.
미리 구성된 이미지:
- NVIDIA는 다양한 Docker 이미지를 공식적으로 제공합니다. 이 이미지들은 이미 CUDA, cuDNN 및 다양한 딥러닝 프레임워크(TensorFlow, PyTorch 등)와 호환되는 버전으로 미리 구성이 되어 있습니다. 이를 사용하면 사용자가 직접 세부 버전을 일일이 맞출 필요 없이 손쉽게 GPU 관련 작업을 진행할 수 있습니다.
NVIDIA Docker 지원:
- NVIDIA-docker라는 특별한 런타임을 이용하면, 호스트 시스템의 GPU를 컨테이너가 직접적으로 사용할 수 있게 설정됩니다. 이를 통해 호스트의 Nvidia 드라이버를 직접 사용하므로, 따로 드라이버와의 호환성을 걱정할 필요가 없습니다.

Tesla T4의 특성

Tesla T4 GPU는 클라우드 환경에서 많이 사용되는 데이터 센터용 GPU입니다. 이러한 모델은 일반적으로 클라우드 서비스 제공자가 제공하는 커스텀 드라이버 세트를 통해 최적화된 상태로 제공됩니다. 이러한 이유로 도커와 더불어 Tesla T4를 사용하는 경우에는 드라이버 문제를 비교적 적게 경험할 수 있습니다.

인프런 커뮤니티 질문&답변