背景:
论文是《DeepStreaks: identifying fast-moving objects in the Zwicky Transient Facility data with deep learning》,用深度学习来识别快速移动的条纹是否为真实天体。下面是自用配置步骤。
步骤:
- 登录云服务器,将当前用户添加至docker组内
sudo usermod -aG docker vipuser newgrp docker docker ps
- 拉取git存储库并进入service文件夹
git clone https://github.com/dmitryduev/DeepStreaks.git cd DeepStreaks/service
-
创建secrets.json
vim secrets.json //粘贴如下内容 { "database": { "admin_username": "ADMIN", "admin_password": "PASSWORD" }, "ztf_depo": { "url": "https://ztfweb.ipac.caltech.edu/ztf/depot/", "user": "USERNAME", "pwd": "PASSWORD" } } :wq
-
设置docker镜像,加快下载速度
su root //输入密码 cd / cd /etc/docker sudo vim daemon.json //粘贴如下,:wq!保存退出 { "registry-mirrors":[ "https://9cpn8tt6.mirror.aliyuncs.com", "https://registry.docker-cn.com" ] } //重启docker,下载速度一下子就快了很多,省点云服务的钱钱 service docker restart exit
-
创建docker卷来存储mongoDB数据
docker volume create deep-asteroids-mongo-volume docker volume create deep-asteroids-volume
-
运行mongoDB容器(这里对管理员不做修改,修改还要对应更改config.json)
docker run -d --restart always --name deep-asteroids-mongo -p 27023:27017 -v deep-asteroids-mongo-volume:/data/db \ -e MONGO_INITDB_ROOT_USERNAME=mongoadmin -e MONGO_INITDB_ROOT_PASSWORD=mongoadminsecret \ mongo:latest --wiredTigerCacheSizeGB 20
-
运行并启动(等待一段时间,服务器就到期了,等我下个月再战,贫苦女大学生是也)
docker build --rm -t deep-asteroids:latest -f gpu.Dockerfile .
docker run --runtime=nvidia --name deep-asteroids -d -p 8001:4000 \
-v /local/home/ztfss/streaks:/data \
--link deep-asteroids-mongo:mongo \
deep-asteroids:latest