在Shell脚本中,-e
是一个测试运算符,用于检查给定的文件或目录是否存在。
| 是通道符,会把前面的输出给后面作为输入。
sudo tee
命令在这里用于同时更新文件和在终端显示输出(尽管 > /dev/null 将标准输出重定向到黑洞,即不显示任何内容)。这样做的目的是在不影响用户交互的情况下安全地更新系统设置。
在Shell脚本中,$0
是一个特殊变量,它代表脚本本身的文件名(包含路径)。当脚本被执行时,$0
就保存了这个脚本的名字。这在脚本内部需要引用脚本名称或者路径时非常有用,比如在打印日志、错误信息或者像上面提到的帮助信息中显示脚本名。
在Shell脚本中,$#
是一个特殊变量,表示传递给脚本或函数的参数个数。
-gt
是大于(greater than)的比较运算符。
在Shell脚本中,$1
是一个特殊变量,它代表传递给脚本或函数的第一个命令行参数。当你运行一个脚本并提供一些参数,$1
将存储第一个参数的值,$2
存储第二个参数,以此类推,$0
存储脚本本身的名字。
-z 后面么有就是真。
所以,如果${DOCKER_REPO}
没有被设置或者值为空,脚本将把DOCKER_REPO
设置为apolloauto/apollo
。这确保了在没有指定Docker镜像仓库的情况下,有一个默认的仓库值可供使用。
在Docker容器内使用CUDA,你需要确保几个关键步骤都已完成:
-
使用支持CUDA的Docker镜像 :首先,你需要一个包含CUDA和NVIDIA驱动的Docker镜像。NVIDIA提供了官方的CUDA镜像,这些镜像是基于不同的基础镜像(如Ubuntu、Debian等)构建的,并且已经包含了CUDA和NVIDIA驱动。你可以通过
docker pull
命令从Docker Hub拉取这些镜像。 -
启用NVIDIA Docker插件:NVIDIA Docker工具包允许你在Docker中充分利用NVIDIA GPU。你需要安装NVIDIA Container Toolkit,它提供了运行CUDA容器所需的驱动和库。
-
设置环境变量 :在运行Docker容器时,可以通过
-e
选项设置环境变量,比如CUDA_VISIBLE_DEVICES
来指定哪个GPU可以被容器看到和使用。 -
挂载CUDA库 :如果需要访问主机上的CUDA安装,可以通过
-v
选项挂载CUDA库的路径,如/usr/local/cuda
,这样容器内可以访问到这些库。不过,通常情况下,如果你使用的是带有CUDA的预配置镜像,这些库应该已经包含在镜像内。
一个基本的Docker运行命令可能如下所示:
--gpus all
允许容器访问所有的GPU。-e CUDA_VISIBLE_DEVICES=0
设置环境变量,指定GPU 0 可见。-v /usr/local/cuda:/usr/local/cuda
挂载主机上的CUDA路径到容器内。
docker run
--gpus all
-e CUDA_VISIBLE_DEVICES=0
-v /usr/local/cuda:/usr/local/cuda -it nvidia/cuda:11.0-base bash
-v /usr/local/cuda:/usr/local/cuda