Windows（10专业版&11）使用docker安装深度学习环境 Pytorch-gpu

已于 2022-11-13 12:58:21 修改
阅读量2.9k 收藏 30
点赞数 5
文章标签： 深度学习 windows docker
于 2022-11-11 15:13:21 首次发布
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/cly0216/article/details/127805799
版权

目录

1、docker安装

参考：
2022最新Windows docker安装方法_哔哩哔哩_bilibili

安装时选项最好不要使用windows的容器（用也可以），没有提示就忽略
虚拟化开启
任务管理器-性能 查看如果没开启需要在bios中开启
在这里插入图片描述

控制面板-程序和功能 开启关闭windows服务 开启Hyper-V linux子系统
在这里插入图片描述
在这里插入图片描述

Windows 11只有下面这个
在这里插入图片描述

wsl --install

控制面板 -> 启动或关闭windows功能 -> 适用于linux的windows子系统 [打勾] -> 重启系统

# 子系统列表
wsl --list --online
# 安装ubuntu20.04
wsl --install -d Ubuntu-20.04

下载安装docker desktop

Docker Desktop - Docker

下载链接
或者博客末尾的百度网盘下载文件1

安装完成后，双击文末百度网盘提供的文件2进行更新

左小角是绿色表示安装成功了
在这里插入图片描述

配置镜像加速
在这里插入图片描述

参考：
1、菜鸟docker教程：Docker 教程 | 菜鸟教程 (runoob.com)
2、docker配置阿里云镜像加速器_奕奕星空的博客-CSDN博客
3、华为云镜像加速：Docker安装配置及华为云镜像加速 - 哔哩哔哩 (bilibili.com)

2、Docker更改路径

参考：
windows docker 更改镜像安装目录_Liquor_J的博客-CSDN博客

3、拉取镜像

pytorch/pytorch Tags | Docker Hub
根据自己版本信息进行选择
在这里插入图片描述

docker pull pytorch/pytorch:1.10.0-cuda11.3-cudnn8-devel

注意！！！ 最后选择上面这个镜像成功了，下面以python:3.6镜像为例，自己安装的时候使用需要替换
查看镜像

docker images

4、创建容器（一定gpu启动）

查看所有的容器

docker ps -a

创建容器

docker run -it -d --gpus "device=0" python:3.6 /bin/bash

查看正在运行的容器

docker ps

在这里插入图片描述

5、进入容器

docker start -i 容器ID

在这里插入图片描述

同步软件包

apt-get update

退出容器为

exit

查看是否支持显卡

nvidia-smi

在这里插入图片描述

查看目录

ls

在这里插入图片描述

拷贝python项目文件
另开一个命令窗口

docker cp 项目路径 容器ID:目标路径

（反向拷贝同理）
在这里插入图片描述

在这里插入图片描述

根据项目报错安装环境

执行自己的py文件
在这里插入图片描述

安装numpy(缺什么装什么)

pip install numpy -i https://pypi.douban.com/simple

在这里插入图片描述

根据提示更新（上图）
下同

测试完成后，保存容器为镜像，在别的设备进行导入使用

6、容器的保存与镜像导出

参考：
docker容器打包成镜像、镜像备份、镜像迁移（恢复）、发布到阿里云仓库_danxiao898的博客-CSDN博客_docker 容器打包成镜像

保存容器为镜像（包含所谓环境及文件）
docker commit [-m=“提交的描述信息”] [-a=“创建者”] 容器名称或容器ID 生成的镜像名[:标签名]
精简如下：
docker commit 容器ID 生成镜像名:标签名

镜像文件导出
docker save -o 导出镜像路径(镜像名称).tar 被导出镜像ID

镜像推送到 docker hub

如果没有docker hub账号需要注册一个

Docker Hub

在这里插入图片描述

然后创建一个仓库

在这里插入图片描述

登录docker hub

docker login -u youne

在这里插入图片描述

看到Login Succeeded就可以了

修改镜像标签

docker tag 原仓库:标签 新仓库:标签

在这里插入图片描述

在这里插入图片描述

推送镜像

docker push youne/accv_b:v1

在这里插入图片描述

完成之后就可以在别的设备pull这个镜像了

7、其他设备使用docker文件（镜像的导入）

在docker安装成功后

导入镜像
docker load -i 镜像文件.tar

创建容器
docker run -it --gpus “device=0” 仓库:标签 /bin/bash
或者
docker run -it --gpus “device=0” 镜像ID /bin/bash

-d表示后台进行，上述命令去掉-d可以在创建容器后直接进入所创建的容器
在退出后，再次使用时使用进入容器命令即可
docker start -i 容器ID

最后，Windows在退出镜像后需要将Docker Desktop退出
在这里插入图片描述

8、常见指令

参考：
利用docker构建pytorch-gpu环境_YHbackkon的博客-CSDN博客

查看已有镜像：docker images

查看已有容器：docker ps -a
查看正在运行的容器：docker ps

进入容器：docker start -i containerID
退出容器：exit

停止正在运行的容：docker stop containerID

删除容器：docker rm containerID
删除镜像：docker rmi imageNAME或imageID

9、百度网盘下载链接

链接：https://pan.baidu.com/s/1JJrPwPTUtxjaVcnB0fh2wQ
提取码：6666
在这里插入图片描述

cly0216
关注
win10系统通过docker部署pytorch的GPU环境
yilvyangguang520的博客
07-26 549
win10系统通过docker部署pytorch的GPU环境
使用Docker配置PyTorch深度学习环境
AvGroovy的博客
10-10 489
PyTorch是一个流行的深度学习框架，而Docker是一种容器化技术，可以方便地创建和管理环境。接下来，我们将创建一个Docker镜像，其中包含PyTorch和其他必要的依赖项。通过以上步骤，您已成功配置了一个包含PyTorch深度学习环境的Docker容器，并在其中运行了一个简单的PyTorch代码。构建完成后，我们可以使用该镜像创建一个Docker容器，并与其中的PyTorch环境进行交互。请根据您的操作系统选择适当的安装方法，并确保已成功安装Docker。的Docker镜像。
在Windows系统的Docker容器中运行Pytorch
weixin_45477628的博客
04-25 2289
因为要入门深度学习，所以想使用Pytorch进行算法开发，又恰好看到了Docker技术（把环境与代码打包，实现快速的迁移部署），种种特性深深吸引了我，但是实践过程中发现使用Docker容器进行算法开发并不是很容易。各种安装包错综复杂，先后顺序理不清楚，所以按照我的理解重新梳理一下流程。等我有钱了一定要买个能用docker的电脑！1.电脑上安装好wsl2，docker，Nvidia驱动，cuda toolkits，然后容器内就可以访问GPU了。也就是容器内使用nvidia-smi就会有反应了。
window版本的Docker安装深度学习环境，pytorch
qq_45064049的博客
09-08 2589
使用Docker安装深度学习环境，pytorch
windows10 上安装 docker
dz45693的专栏
09-18 2120
而虚拟机则提供了一个完全的操作系统环境，可以支持所有的系统调用。WSL 是 windows subsystem for linux 的简写，指的是 windows10 的一个子系统，这个子系统的作用是在 windows下运行 linux 操作系统。参考资料：https://docs.microsoft.com/zh-cn/windows/wsl/install-win10#step-4---download-the-linux-kernel-update-package。
【2024】Windows 11 安装WSL2并搭建深度学习环境（Docker，Pytorch）
m0_63070489的博客
01-15 5671
Windows 11下，在WSL2上搭建深度学习环境
docker安装深度学习框架
weixin_40082332的博客
11-21 483
# 基础镜像， cuda为10.2.0/10.1.0，ubuntu18.04 FROM nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04 # 配置程序依赖环境 RUN apt-get update && apt-get install -y --no-install-recommends \ build-essential \ cmake \ curl \ wget \ ...
Windows下的docker容器(ubuntu)进行pytorch+paddlepaddle环境部署（GPU环境）
weixin_67093342的博客
03-22 706
显示无果 nvidia在wsl都检测不了驱动，去了解了一些，原来是宿主机（windows）下的驱动太老，需要更新，需要新的cuda驱动CUDA driver for WSL。首先，先了解怎么在容器里面使用nvidia的GPU，就要看看容器所在的wsl下的ubuntu是否能使用GPU，输入。出现Segmentation fault，不知道什么原因还在寻找。但是在wsl下的ubuntu输入nvidia-smi，却出错了。我的GPU是MX450，更新驱动后升级为551.86版本。
Docker | 使用docker配置深度学习pytorch环境
热门推荐
Clichong
02-28 1万+
前两天想接触docker，但是苦于一直没有pull成功，现在用这篇博客记录一下解决的方法，以及docker的简单命令行与使用docker配置pytorch的cpu与gpu容器 文章目录1. Pytorch环境的配置2. Docker命令行总结 简要介绍： Docker 包括三个基本概念： 镜像（Image）：Docker 镜像（Image），就相当于是一个 root 文件系统。比如官方镜像 ubuntu:16.04 就包含了完整的一套 Ubuntu16.04 最小系统的 root 文件系统。 容器（Con
docker 配置pytorch环境来进行训练
qq_36302310的博客
03-12 1682
该教程从零开始配置，包括换源，安装下载等全部内容。
Vitis-AI 3.0 GPU版PyTorch与优化器Docker镜像：国内源与安装指南
总结来说，Vitis-AI 3.0 GPU版本Docker镜像是一个高效且便于使用的深度学习开发环境，适合在NVIDIA硬件平台上进行高性能的机器学习项目，特别是在中国开发者群体中，由于对国内源的优化，能有效解决网络访问问题。
pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。
03-07
pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。 pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。 pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。
深度学习环境准备之docker常用操作详解和pycharm/tensorboard远程使用方法
苹果姐计算机视觉原创知识分享
05-02 2282
作为深度学习算法工程师，除了要跟论文、公式、数据、代码打交道，还有更基础、有时候也是最头疼的就是环境，环境操作的熟练程度对工作效率有重要影响。经过无数次的挖坑踩坑，有必要把常用的环境操作进行总结梳理。 为了支持多个不同的工程，只有一个环境一般是不够的，使用过的多环境工具有anaconda虚拟环境、pipenv、docker等，但在大规模工程实践中，docker在多系统移植、多平台支持和多用户复用和隔离等方面有着非常大的优势，所以应用更加广泛。本文主要介绍docker的基本操作，以及搭建好docker环境后
开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker（二）
最新发布
没有卑微的工作，只有卑微的心态，与其抱怨，不如埋头实干
10-06 1万+
通过docker方式实现Qwen2.5-7B-Instruct集成vllm，流式输出
Windows环境Docker实践培训要求与深度学习资源
1. **启用Hyper-V**：由于Docker Desktop for Windows依赖于Hyper-V虚拟化技术，因此必须在Windows 10专业版或企业版上启用Hyper-V功能。 2. **系统兼容性**：操作系统需要满足Docker的最低要求，通常需要Windows 10...
把代码和环境做成docker镜像_代码环境配置与Docker
weixin_39964660的博客
01-16 839
开发环境配置工欲善其事，必先利其器。搭建开发环境是学习本书原理与实验必不可少的环节。本章节主要向读者介绍一些大型开发软件的使用，如MobaXterm与集成开发环境软件(IDE，Integrated Development Environment software)，以及如何给Linux服务器代码部署开发环境。与此同时，笔者也顺带讲述如何安装和使用docker容器技术，帮助大家缓解配置环境带来的烦恼...
利用docker配置深度学习的环境
qq_21104157的博客
08-13 492
最近看了下利用docker配置深度学习的环境，感觉很是方便，记录一下。参考网址为： https://zhuanlan.zhihu.com/p/64493662 安装docker 我是在ubuntu的虚拟机上面安装的docker，在win10下安装docker提示我的win10版本不对。 ubuntu安装docker网址如下： https://docs.docker.com/engine/install/ubuntu/ 按照其提示的步骤一直做下去就可以了。 其中可能会用到apt-get换源可以参考如下网址来进
Docker for Pytorch
a1058420631的博客
02-23 1434
1. Docker 1.1 安装 官网教程 1.2 添加用户 If you want to run docker as non-root user then you need to add it to the docker group. Create the docker group if it does not exist $ sudo groupadd docker Add your use...
win10下 docker 配置python pytorch深度学习环境
ML_GearYe的博客
10-24 8103
教程 | 使用 Docker 安装深度学习环境 - 知乎 配置华为云镜像加速器： Docker安装配置及华为云镜像加速 - 哔哩哔哩 拉取python镜像： 运行镜像实现可交互： 在命令运行后，我们可以观察到当前 的提示符已经从useer已经改成了“root@73e6f8861ad3”，这证明我们已经在 Docker 容器的系统环境中了。 我们按照常规的方式安装深度学习环境，比如用 pip 命令安装 PyTorch、torchvision 等软件包，并...
评论 5
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