Dockerコンテナ内のPyVista#

jupyterlabでは，Dockerコンテナから pyvista を使用することができます．ローカルのDockerコンテナを起動するには， docker をインストールし，イメージをpullして実行する．

docker run -p 8888:8888 ghcr.io/pyvista/pyvista:latest

最後に，端末出力に表示されるリンクを開き，jupyterlabのpyvistaを試してみましょう．たとえば，次のようになります．

To access the notebook, open this file in a browser:
    file:///home/jovyan/.local/share/jupyter/runtime/nbserver-6-open.html
Or copy and paste one of these URLs:
    http://861c873f6352:8888/?token=b3ac1f6397188944fb21e1f58b673b5b4e6f1ede1a84787b
 or http://127.0.0.1:8888/?token=b3ac1f6397188944fb21e1f58b673b5b4e6f1ede1a84787b

注釈

`私たちのDockerコンテナの最新のタグは，こちら<https://github.com/pyvista/pyvista/pkgs/container/pyvista>`_ で見ることができます． ghcr.io/pyvista/pyvista:latest には JupyterLab がセットアップされており， ghcr.io/pyvista/pyvista:latest-slim は Jupyter を含まない軽量の Python 環境です．

注釈

Dockerレジストリを利用した作業にある指示に従って，GitHubのコンテナレジストリにログインする必要があるかもしれません)

PyVista で独自のDockerコンテナを作成します#

PyVistaをこのディレクトリにクローンしcdでこのディレクトリに入り，独自のカスタマイズされたDockerイメージを作成します．

git clone https://github.com/pyvista/pyvista
cd pyvista/docker
IMAGE=my-pyvista-jupyterlab:v0.1.0
docker build -t $IMAGE .
docker push $IMAGE

jupyterlabでレンタルする際にオフスクリーンGPUをサポートさせたい場合は， VTKの構築のEGLでのビルドに関する注意を参照するか， Release 0.27.0 のカスタムのプリビルドwheelを使用してください． pyvista/docker/jupyter.Dockerfile のDockerイメージを次のように変更して，カスタマイズしたvtk wheelをdockerイメージにインストールします．

COPY vtk-9.0.20201105-cp38-cp38-linux_x86_64.whl /tmp/
RUN pip install /tmp/vtk-9.0.20201105-cp38-cp38-linux_x86_64.whl

さらに，ホストマシンで実行されている同じバージョンのDockerイメージにGPUドライバをインストールする必要があります．例えば，Azure Kubernetes Serviceを実行していて，Kubernetesクラスタ上のGPUノードが 450.51.06 を実行している場合，同じバージョンをイメージにインストールする必要があります．基礎となるカーネル・モジュールを使用することになるので，コンテナー上にビルドする理由はありません(試行してもエラーになるだけです．)．

COPY NVIDIA-Linux-x86_64-450.51.06.run nvidia_drivers.run
RUN sudo apt-get install kmod libglvnd-dev pkg-config -yq
RUN ./NVIDIA-Linux-x86_64-450.51.06.run -s --no-kernel-module

GPUでレンダリングしているかどうかを確認するには，まず nvidia-smi の出力をチェックします．

$ nvidia-smi
Sun Nov  8 05:48:46 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.51.06    Driver Version: 450.51.06    CUDA Version: 11.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla K80           Off  | 00000001:00:00.0 Off |                    0 |
| N/A   34C    P8    32W / 149W |   1297MiB / 11441MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

ドライバのバージョン(これは実際にはカーネルドライバのバージョンです．)をメモし，それがdockerイメージにインストールしたバージョンと一致することを確認します．

最後に， ReportCapabilities を実行して，レンダーウィンドウがNVIDIAを使用していることを確認します．

>>> import pyvista
>>> pl = pyvista.Plotter()
>>> print(pl.render_window.ReportCapabilities())

OpenGL vendor string:  NVIDIA Corporation
OpenGL renderer string:  Tesla K80/PCIe/SSE2
OpenGL version string:  4.6.0 NVIDIA 450.51.06
OpenGL extensions:
  GL_AMD_multi_draw_indirect
  GL_AMD_seamless_cubemap_per_texture
  GL_ARB_arrays_of_arrays
  GL_ARB_base_instance
  GL_ARB_bindless_texture

display id not set を受信した場合，環境が正しく設定されていない可能性があります．