本文主要是介绍Docker tensorflow serving GPU libcuda.so.1问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在docker中创建一个tensorflow-serving:latest-gpu容器时，报出如下BUG：
tensorflow_model_server: error while loading shared libraries: libcuda.so.1:
cannot open shared object file: No such file or directory
解决方法1：
安装nvidia-docker，教程见：https://github.com/NVIDIA/nvidia-docker
创建容器时，添加参数：–runtime=nvidia
问题解决！
安装nvidia-docker过程中可能遇到如下题：/opt/anaconda3/envs/py36/lib/liblzma.so.5: version `XZ_5.1.2alpha’ not found (required by /lib64/librpmio.so.3)
解决方法：
下载liblzma.so.5.2.2文件（https://github.com/u-root/midori/tree/master/lib/x86_64-linux-gnu）复制到/opt/anaconda3/envs/py36/lib目录下
执行软连接：sudo ln -s -f liblzma.so.5.2.2 liblzma.so.5
问题解决，继续执行安装过程。
解决方法2：
重新拉取镜像：docker pull tensorflow/serving:latest-devel-gpu
创建容器：docker run -it tensorflow/serving:latest-devel-gpu
进入容器，找到文件 libcuda.so.1所在目录
此时可有两种处理方法
1）将libcuda.so.1文件放到对应目录下
cp /usr/local/cuda-10.0/compat/libcud* /usr/local/cuda/lib64/
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
（但此方法退出容器后再进入需要重新EXPORT，所以可以用第二种处理方法）
2）将libcuda.so.1文件所在目录加入环境变量中
升级apt-get: apt-get update
安装vim： apt-get install vim
vi ./root/.bashrc
添加：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:/usr/local/cuda-10.0/compat"
export CUDA_HOME=/usr/local/cuda
执行：
source ./root/.bashrc
EXPORT根据个人目录自行更改
本人亲测有效方法
$ docker run -it --rm --runtime=nvidia tensorflow/tensorflow:latest-gpu-py3 python
这篇关于Docker tensorflow serving GPU libcuda.so.1问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
