docker支持GPU镜像之tensorflow 1.14.0

最新推荐文章于 2022-01-27 16:26:59 发布
最新推荐文章于 2022-01-27 16:26:59 发布
阅读量965 收藏 3
点赞数
分类专栏： docker 文章标签： docker tensorflow gpu 详细安装
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Areigninhell/article/details/112652967
版权
该博客详细介绍了如何在服务器上搭建基于CUDA 10.0的GPU环境，包括安装英伟达驱动、Miniconda以及TensorFlow 1.14.0的GPU版本。通过清华大学和北京外国语大学的镜像源加速下载，并提供了测试代码以验证环境是否配置成功。要求读者已经具备NVIDIA驱动和Docker的基础。
摘要由CSDN通过智能技术生成

查找合适的GPU基础镜像

安装支持python运行环境

安装tensorflow

# 腾讯云安装
pip install  tensorflow-gpu==1.14.0 -i https://mirrors.cloud.tencent.com/pypi/simple/
# 删除安装  tensorflow==1.14.0

安装驱动

 conda install cudatoolkit-10.1.243-h6bb024c_0.tar.bz2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
 
 conda install cudnn-7.6.5-cuda10.1_0.tar.bz2  -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
上面安装过程较慢，可以下载下来直接安装

清华下载地址
北外下载地址

# 安装
conda install --use-local cudatoolkit-10.1.243-h6bb024c_0.tar.bz2
conda install --use-local  cudnn-7.6.5-cuda10.1_0.tar.bz2

测试能否使用

测试代码链接

服务器前提要求：
  1. 已安装nvidia
  2. 已安装docker
    如有帮助，请您三连，多谢
拓宽视野
关注
专栏目录
conda安装Tensorflow2.9的GPU版本
冲出仁川，走出马德里，故事还会再继续
09-17 1542
有的API只有高版本的tensorflow有，所以这里再装个tensorflow2.9，我看了下，官网最新版本是2.10anaconda这个环境隔离机制有点类似于docker，用起来太爽了。每次换环境都要查下别人文章，太麻烦了，自己装个，方便后续查看。
RTX3070 Ubuntu18.04 tensorflow1.x环境搭建
suziguai的博客
03-25 907
记录ubuntu服务器加装RTX30系列显卡搭建tensorflow环境的过程 搭建深度学习环境，需要使用到的深度学习框架和显卡之间存在对应关系，但是很多网上找到的深度学习算法实现是基于低版本的框架代码实现的，由于tensorflow框架版本变动较大，算法工程师要求安装1.4版本的tensorflow，采购显卡时未考虑到兼容性问题，网上找了好多帖子，这里记录一下完整的过程。 具体的安装步骤分为： 安装cuda，cudnn 安装docker，nvidia docker2 拉取nvidia docker ru
opencv4.1.1-tensorflow1.14.0（raspberry镜像）
11-03
opencv4.1.1-tensorflow1.14.0（raspberry镜像） 下载直接可用
Python - 深度学习系列16 - 使用docker搭建TensorFlow1.14 GPU+jupyter环境
yukai08008的博客
02-04 626
说明 首先应当先装好显卡驱动，然后寻找合适的镜像，并加以修改就可以了。 另外，使用docker调用显卡，需要安装nvidia-docker2，参考这篇文章是可行的 内容 1 寻找并拉取镜像 找到构建好的合适的镜像 在这里搜索，看所有的tag 选择复制对应的docker pull命令，拉取镜像 我获取了带jupyter的版本。 2 进入镜像，进行修改和测试 ┌─root@m5-desktop:~ └─ $ docker run -it -p8888:8888 --gpus all 60c989453335
一个从tensorflow_1.14.0-gpu-py3-jupyter镜像生成公司实际需求的Dockerfile
weixin_30379531的博客
08-09 547
外部的标准镜像，肯定满足不了公司的实际要求咯~~ 所以，根据同事的需求，重新制作了这个包。 其中可用库为tensorflow,numpy, pandas,scikit-learn,jieba,gensim, opencv,requests以及与hdfs文件系统的互访。 因为公司不可以直接直外网，所以dockerfile里引入了http代理。 作个记录。 这里需要注意的细节是 ...
TensorFlow-gpu安装和测试（TensorFlow-gpu1.14+Cuda10）
XBL2015HENU的博客
07-26 1万+
本文章介绍了tensorflow_gpu1.14.0和CUDA10的下载、安装、测试、以及设置问题。
ubuntu18.04 nvidia gpu驱动与tensorflow-gpu以 docker方式安装
Geikon的博客
07-02 1106
通过ubuntu标准库自动安装 搜索系统当前支持的驱动（此方法可能无法安装最新版） $ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00 vendor : ...
Anaconda + tensorflow-gpu + docker + pycharm专业版 实现本地远程互联
cyy18702236763的博客
01-27 2897
Anaconda + tensorflow-gpu + docker + pycharm专业版 实现本地远程互联
使用nvidia-docker创建gpu支持深度学习环境的容器
Cai Yichao的博客
08-19 5255
使用nvidia-docker创建gpu支持深度学习环境的容器一、安装nvidia-docker并测试二、拉取镜像，创建容器2.1 使用conda基础镜像的尝试（供参考，可无需尝试此步骤）2.2 拉取cuda支持的深度学习镜像2.1 踩坑收获三、镜像发布和保存 初次接触nvidia-docker相关的内容，记录部署的步骤和尝试过程。 一、安装nvidia-docker并测试 1、首先安装docker和nvidia-doker； 2、vim /etc/docker/daemon.json，添加代红框中的字
Ubuntu上Docker 部署nginx+TensorFlow-GPU+Flask生产环境
BankxiY的博客
11-03 603
前言 业务需要将神经网络模型布在GPU服务器上当做生产环境,通过调用接口的形式用模型分析图片,同时因为服务器还有其他项目在运作,使用Docker容器 Step1 1.本地需要安装TensorFlow-GPU版本镜像,安装CUDA,等配置,之前已有同事配置好镜像文件,此处略去操作,TensorFlow-GPU 1.14.0,CUDA 10.0 2.需要使用nginx部署,docker pull nginx step2 实例化TensorFlow-GPU镜像,在镜像中安装自己依赖的包和使用的工具,这里主要安装
tensorflow-gpu1.14代码测试
爱听许嵩歌的博客
08-22 3434
import tensorflow as tf with tf.device('/cpu:0'): a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a') b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b') with tf.device('/gpu:0'): c = a + b # 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这
tensorflow的各种版本下载镜像安装
热门推荐
andeyeluguo的博客
07-20 1万+
有时候直接用命令下载的方式不行，因为天朝被墙。 可以在[1]中通过带有fanq翻墙插件的谷歌浏览器下载。 然后sudo pip install 下载文件名即可 [1] 版本的tensorflow镜像下载...
TensorFlow-gpu国内镜像极简安装
asd21wd的博客
02-19 2208
安装完anaconda以后 打开anaconda promp，依次输入以下4条命令： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anacond...
清华源安装指定版本tensorflow
DongHappyyy
03-08 4439
以安装1.14.0版本为例， 记录以下 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0
离线安装tensorflow-gpu
cxxx17的博客
09-09 1249
离线安装tensorflow-gpu 因为有的服务器能联外网，有的服务器不能联外网，想在不能联网的服务器上安装环境就比较坑了。采用的办法是先在能联网的服务器下载好，再移到不能联网的服务器离线安装。 想安装的tensorflow的版本是tensorflow-gpu 1.14 1.在能联网的机器下载安装包和相关的依赖包 创建一个虚拟环境，最好python版本和目标python版本一致 conda create -n tf1.14 python=3.6.5 激活虚拟环境，并下载tensorflow相关的w
ubuntu16.04 docker tensorflow-gpu镜像下载
bobo184的博客
04-01 1113
参考博文： https://www.cnblogs.com/deepllz/p/9009486.html 基本是参照上面的博客的，但还是要记录下我自己的安装过程（这是一个习惯）。 前提是你已经安装好docker了，开始部署镜像... 主要记录下不同之处 镜像源不同 没有用上面的博客的下载方式，那个是官方的，下面这个是国内的速度会快点 docker pull daocloud.io/...
清华镜像下载tensorflow-gpu
qq_41858755的博客
04-13 7469
pip install tensorflow-gpu 源镜像速度过慢，换这个： pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu==2.0.1
tensorflow-gpu 镜像源 亲测有效
weixin_44790571的博客
07-31 2418
pip install --upgrade --ignore-installed -i https://pypi.mirrors.ustc.edu.cn/simple tensorflow-gpu==2.4.0 最后的2.4.0可以根据自己需要的版本进行更改 使用anaconda3安装TensorFlow的GPU版本的大致流程： 打开anaconda prompt conda create -n TF-GPU ptrhon=3.7（根据自己的需要选择相对应的python版本） conda activate
docker 拉取gpu镜像
最新发布
08-16
要拉取GPU版的docker镜像，你可以使用以下命令： ``` nvidia-docker run -ti bvlc/caffe:gpu caffe --version ``` 这个命令会拉取bvlc/caffe的GPU版镜像，并显示caffe的版本信息。请确保你已经安装了nvidia-docker，并且你的GPU驱动已经正确安装和配置。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [史上最详细解决“搭建GPU版Pytorch Docker镜像”教程](https://blog.csdn.net/SpadgerZ/article/details/114820101)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [matlab读取文件夹图片代码-fcn_val:voc数据集，识别准确度IOU计算，python脚本](https://download.csdn.net/download/weixin_38621312/19689862)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [解决docker拉取镜像慢的方法（亲测有效）](https://blog.csdn.net/shizheng_Li/article/details/124346287)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值