Qnap CONTAINER STATION - Jellyfin - Nvidia

A

aureladmin

Apprenti
11 Novembre 2017
59
2
8
Bonjour,

Depuis l'achat de mon nouveau nas perso (TS-h886), je rencontre le problème suivant:

Impossible d'utiliser la carte graphique Nvidia (GTX 1650) dans container station avec jellyfin ou autre. Voici les étapes que j'ai suivit:

- Installation des drivers et du kernel via le store Qnap et arrêt du NAS
- Installation physique de la carte et démarrage du NAS
- Association de la carte au "Mode container station"
- Création du container Jellyfin avec affectation de la carte et ajout des variables "NVIDIA_VISIBLE_DEVICES = all /// NVIDIA_DRIVER_CAPABILITIES = all"
- Démarrage et paramétrage de jellyfin (NVENC)

Test de transcodage, cela ne fonctionne pas, il cherche en permanence une librairie "libcuda.so" qui pourtant existe.

Si une personne a une idée je suis preneur, la je bloque.
 
Salut,
Dans la doc de Jellyfin, il indique le rajout de 3 paramètres :
Code: 
-e NVIDIA_DRIVER_CAPABILITIES=all \
-e NVIDIA_VISIBLE_DEVICES=all \
--gpus all \

Ils indiquent également que s'il se produit une erreur de librairie libnvidia-ml.so, il faut executer la commande suivante :
Code: 
docker exec -it jellyfin ldconfig

https://jellyfin.org/docs/general/administration/hardware-acceleration.html#linux-docker-nvidia-nvenc
 
J'ai bien essayé, mais cela ne fonctionne pas.
j'ai déjà bien galéré avec container station ou on ne peut pas ajouter de paramètre en dehors des variables (-e XXX)
du coup j'ai essayer en ligne de commande avec la commande "docker run " mais rien ou alors il me manque un truc. mais la je vois pas.
testé via docker-compose aussi mais idem.
 
Avec docker run, quand tu dit "rien" cela veut dire quoi ? Il ne se passe rien ? le conteneur se crée pas ?
C'est le meme soucis ?
....
 
même problème, pas de transcodage, le conteneur se crée bien.

Je comprend pas d'ou peut venir le probleme, peut etre QuTS-hero par rapport a QTS.
 
Après essaie du container TensorFlow en suivant la documentation QNAP https://www.qnap.com/fr-fr/how-to/t...nt-utiliser-tensorflow-avec-container-station, le problème est le même. Pas de détection de la carte graphique dans le container
Wed May 5 18:32:57 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82 Driver Version: 440.82 CUDA Version: 10.2 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Graphics Device Off | 00000000:05:00.0 Off | N/A |
| 28% 39C P8 13W / 90W | 0MiB / 3910MiB | 0% Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+

Même chose avec le container nvidia/cuda 10.0-base:

Wed May 5 19:40:24 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82 Driver Version: 440.82 CUDA Version: 10.2 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Graphics Device Off | 00000000:05:00.0 Off | N/A |
| 28% 39C P8 13W / 90W | 0MiB / 3910MiB | 0% Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+

Si une personne sais pourquoi docker sur QNAP QuTS-hero n'arrive pas a faire fonctionner une carte graphique, je prend. Si en plus il a un contournement, je le béni.
 
Salut,
Tu utilise l'image officielle Jellyfin ou l'image linuxserver ?
Il semblerai que l'image linuxserver soit plus complète sur ce point !
 
La procédure linuxserver est expliqué ici : https://github.com/linuxserver/docker-jellyfin#nvidia Il faut visiblement un 2eme conteneur, puis re-créer le conteneur jellyfin avec les nouvelle variable.
Cela sort malheureusement de mes compétences, et l'anglais n'est pas mon fort :)
 
Après presque 1 ans je répond a moi même en espérant que cela aide quelqu'un d'autre.

Pour les personne ayant QuTS-hero, l'utilisation de la carte graphique Nvidia en (en)décodage vidéo dans docker fonctionne depuis la mise à jour du Driver et Kernel par Qnap "NVIDIA GPU Driver 5.0.4 ( 2021/08/20 )".
Il faut ajouté trois variables environnements:
LD_LIBRARY_PATH=/usr/local/nvidia/lib:/usr/local/nvidia/lib64
NVIDIA_DRIVER_CAPABILITIES=all
NVIDIA_VISIBLE_DEVICES=all

Ne surtout pas oublié la variable pour le chemin des lib Nvidia, je suis resté coincé 6 mois la dessus.

Voila en espérant que cela aide le prochain
 
  • J'aime
Réactions: juanitomaille et EVO
Salutations,

Je m'apprête à acheter la GTX 1650 pour mon qnap ts673a. Ca semble bien être la seul carte compatible avec ce qnap et d'autre. Hors sur la doc jellyfin il est bien indiqué que cette carte n'est pas compatible. Ici ça semble fonctionner pour toi.

La question est : c'est bien cette carte que tu utilise ? Cela fonctionne toujours depuis 2022 ? La marque de la carte à t-elle une importance ? J'imagine qu'il faudra une version Low Profile (LP)...
 
Dernière édition:
Vous devez vous connecter ou vous enregistrer pour répondre ici.
Haut Bas
Retour