实验室虚拟机 （lab_vm, laboratory virtual machine）

为实验室服务器创建多个独立的vnc虚拟机（容器），保证主机安全与数据隔离。

！！本项目停止维护，请使用最新版：https://github.com/kunxinz/labVm2 新版本特征为：

• 自主开发集群系统。基于Docker原生技术，容器可跨多主机运行，转移，存储。
• 自主开发云存储系统。基于MFS分布式技术、Overlayfs文件系统（二次开发）和Sersync同步技术（二次开发），具有网络性能依赖低，本地高速写入，云端异步同步，数据多历史版本管理、备份优点。
• 容器根文件隔离。可在主机直接访问整个容器系统（包括根目录），快速管理文件。
• 基于Nvidia-docker2技术，容器可直接挂载主机显卡，无需额外配置驱动和CUDA，用于深度学习快速开发。
• 轻量级环境隔离，支持硬件资源（CPU、IO、内存）分配。
• Web可视化容器管理和资源监控。

特点

• 基于docker，轻量级环境隔离，比传统虚拟机损耗资源小，运行速度更快
• 基于nvidia-docker2，容器内可使用GPU进行深度学习计算（基于cuda9.2 和 cuda8.0 镜像）
• 支持计算资源分配（CPU、内存、硬盘IO，不支持GPU资源分配）
• web 可视化容器管理与资源监控
• 用户容器密码加密

运行平台

ubuntu16.04 （其他平台未测试,理论上只要docker和nvidia-docker2安装成功即可）、
python3、

安装条件

• docker >= 1.12 (https://www.docker.com/)
• GNU/Linux x86_64 with kernel version > 3.10
• NVIDIA GPU with Architecture > Fermi (2.1)
• NVIDIA drivers >= 387.26(cuda9.2), >=367.48(cuda8)
• nvidia-docker2 (https://github.com/NVIDIA/nvidia-docker)

安装步骤

安装docker 和 nvidia-docker2

从官网安装docker
从官网安装nvidia-docker2
# 也可直接安装文件夹内的deb包

载入lab_vm镜像

# cuda9.2 镜像
docker pull kunxinz/lab-vm:xfce_cuda9.2
# cuda8.0 镜像
docker pull kunxinz/lab-vm:xfce_cuda8.0
# 除了从docker hub下载，镜像也可通过docker_file文件夹自行修改构建：
# docker build -f docker_file/Dockerfile.for_git -t lab_vm:xfce_cuda8_git docker_file

运行Server.py 文件。至此，lab_vm安装完毕

venv/bin/python Server.py -c lab_vm.conf

基本使用步骤

打开浏览器，输入127.0.0.1:28125，即可访问web页面

按照页面提示进行注册

注册成功后如图所示

使用vnc连接端口31021，输入vnc密码，连接成功

执行nvidia_smi，若成功则表示虚拟机可使用显卡

进入资源监控界面，则可观察硬件资源使用情况

ps

• cuda8.0镜像支持tensorflow版本为1.3.0-1.4.1，对应cudnn版本6.0
• cuda9.2镜像支持tensorflow版本为1.5.0-1.10.0，对应cudnn版本7.0
• 可修改lab_vm.conf配置文件来更改相应参数
• 虚拟机不支持硬件opengl
• nvidia驱动对docker支持不完善，服务器重启容易造成驱动崩溃，需要重装驱动，建议如无必要，不要重启服务器
• 建议更改/etc/docker/daemon.json文件，将docker的dns设为国内的dns以加速访问
• 以上测试平台信息为ubuntu16.04，python3.5，1080Ti，driver_ver=390.67，docker-ce_18.06.1，nvidia-docker2_2.0.3

贡献者

kunxinz、 yuna~、 KenLee、 Limkuan、 hetao