pytorch docker部署

已于 2022-12-06 14:18:52 修改
阅读量1.2k 收藏
点赞数
文章标签： pytorch docker
于 2022-11-14 14:22:12 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/qq_33826592/article/details/127631599
版权
本文详细指导了如何在Windows Docker环境下安装CUDA，包括GPU映射与限制，以及如何后续安装和配置PyTorch。步骤包括创建容器、安装CUDA、验证版本并安装Anaconda3和PyTorch。
摘要由CSDN通过智能技术生成

windows安装

linux docker下部署

1、创建容器

docker run --name xxrqxx --gpus '"device=2,3"' -m 96g --cpuset-cpus=2-17 -p 50001:22 -p 50002:8888 --restart=always -itd xxjxxx:v1 /bin/bash
# 映射GPU（第2,3张显卡，编号0,1,2,3）、限制CPU16核、映射端口50001、挂掉自动重启
docker exec -it xxrqxx /bin/bash
# 进入容器

2、安装CUDA

3、查看CUDA

nvidia-smi  # nvidia-smi的版本大于nvcc -V的版本
nvcc -V  # 查看是否安装CUDA
或者 /usr/local/cuda/bin/nvcc -V

4、安装anaconda3

sh Anaconda3-2021.11-Linux-x86_64.sh

5、安装pytorch
下载地址：http://download.pytorch.org/whl/torch_stable.html （找到对应版本复制链接使用迅雷下载更快）
下载 torch 1.12.1+cu113 和 torchvision 0.13.1+cu113

pip install torch-1.12.1+cu113-cp39-cp39-linux_x86_64.whl
pip install torchvision-0.13.1+cu113-cp39-cp39-linux_x86_64.whl
你的一切都是星尘
关注
专栏目录
史上最详细解决“搭建GPU版Pytorch Docker镜像”教程
SpadgerZ的博客
03-15 4530
CUDA版本对应的Pytorch版本 搭建GPU版本的Pytorch Docker镜像 了解并安装完Docker之后，来配置安装GPU版本的Pytorch Docker镜像。 1.拉取基础的操作系统镜像 关键命令：docker pull 具体指令：docker pull nvidia/cuda:10.1-cudnn7-devel-ubuntu16.04 操作完成之后，使用docker images命令查看当前docker中存在的镜像： 可以看到第一行就是所拉取的镜像，该镜像中已经安.
使用docker搭建分布式pytorch+cuda训练模型（二）
2401_83051627的博客
07-11 1072
假如训练集中有样本100个，分给两台机器，每台两块gpu，那么每个gpu上使用25个样本，通过实现自定义数据集，主机可以规划进程使用的数据集部分，例如进程1使用第0-24样本，进程2使用第25-49样本等。此处需要设置主机IP与监听端口，主机运行此程序后会自动打开端口，从服务器则会通过IP访问此端口，由于当前是容器互联，所以IP为局域网IP，如果部署在服务器上需要使用上一篇文章中的容器端口映射打开对公网的端口。pytorch提供了多机多卡分布式学习工具，即多台服务器，每台服务器有多张GPU。
Python-使用Web界面训练和部署机器学习模型采用DockerPyTorch和Flask实现
08-11
使用Web界面训练和部署机器学习模型 - 采用Docker，PyTorch和Flask实现
【docker】基于docker部署pytorch环境
种一棵树最好的时间是十年前，其次是现在
08-07 1094
其中/c/Users/25360/Desktop/voice为win10下目录C:\Users\25360\Desktop\voice的写法。然后我们使用docker ps查看到该容器信息，接下来就使用docker attach进入该容器。-d是detach，让/bin/bash在后台运行。
pytorch 环境配置通用
最新发布
weixin_42448643的博客
08-24 448
使用以下命令安装指定版本的PyTorch、Torchvision和Torchaudio，这些库是深度学习和计算机视觉项目中的核心库。首先，创建一个新的Conda环境，其中包含Python 3.9和相关的CUDA工具包，以确保深度学习库的兼容性。为了加速软件包的下载和安装，可以添加清华大学开源软件镜像站作为Conda的镜像源。至此，开发环境已经配置完成，可以开始进行深度学习的开发和实验。除了深度学习库，还需要安装一些常用的Python库，如。激活刚刚创建的环境，以便在该环境中安装和使用库。
docker 配置pytorch环境来进行训练
qq_36302310的博客
03-12 1607
该教程从零开始配置，包括换源，安装下载等全部内容。
docker安装GPU版pytorch
怡宝2号
12-09 2917
1. 安装nvidia驱动 2. 安装nvidia-docker 参考https://blog.csdn.net/u011622208/article/details/103458951 3. 安装GPU版pytorch 安装python，pip，numpy # 首先更新源 $ apt-get update # 查看python版本 $ apt-cache madison python # ...
基于Docker的PyTorch深度学习环境配置（Ubuntu 22.04）
蒲威的博客
05-21 2881
在个人主机上面配置基于docker的pytorch深度学习环境，并配置了pycharm可以直接调用docker中的环境。
tensorrt pytorch docker 部署
09-06
对于使用TensorRT和PyTorch进行Docker部署的问题，我可以给您一些指导。 首先，您需要安装Docker并准备一个基础的Docker镜像。可以从Docker Hub上获取一个包含PyTorch和TensorRT的镜像，也可以使用一个基本的Python...
pytorch-docker-for-pycharm：这是pycharm的pytorch docker仓库
02-23
pytorch-docker-for-pycharm 这是pytorm的pytorch docker-composit仓库 安装 安装步骤1：Docker 安装步骤2：nvidia工具包（用于gpu） 步骤2-1 sudo apt-get install -y apt-transport-...
使用docker搭建分布式pytorch+cuda训练模型（一）
2401_83051627的博客
07-10 1336
由于训练模型所需要的环境一致，因此使用docker创建镜像并在各个服务器中开启容器。随后运行pytorch模型进行分布式训练。过程如下主机使用centos镜像创建容器在容器中搭建环境，上传代码将容器打包成镜像将镜像发布到各个服务器各个服务器开启容器，执行分布式训练。
torchvision-0.12.0+cu115-cp39-cp39-linux_x86_64.whl
12-12
torchvision-0.12.0+cu115-cp39-cp39-linux_x86_64.whl
docker创建深度学习pytorch环境--详细版
Xhlucky的博客
07-16 5146
docker创建深度学习pytorch环境--详细版
Pytorch1.12.1+cu113安装记录
qq_18236971的博客
06-05 1万+
因为torch1.7.0对于SiLU算子导出不支持,需要1.7.1才支持.于是索性准备更新一下自己的算法版本库,查询到CUDA11.3支持的最高Pytorch版本为1.12.1,于是统一做一下更新.这里采用离线下载的方式,因为在线下载实在是太蛋疼了。
【YOLOv5】 01-3060显卡 GPU版本环境搭建与运行
ChaoChao66666的博客
02-20 2844
一、YOLOv5环境搭建步骤 1.创建虚拟环境 2.查看电脑支持的cuda版本 3.安装指定版本的cuda 4.安装cudnn 5.安装pytorch 6.检验是否安装成功 二、YOLOv5运行步骤 1.下载YOLOv5代码 2.打开YOLOv5代码 3.安装一些包 4.运行YOLOv5代码
PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系
热门推荐
有问题请直接说问题就好
02-10 16万+
PyTorch中torch、torchvision、torchaudio版 torch torchaudio python main / nightly main / nightly >=3.7, <=3.9 1.10.0 0.10.0 >=3.6, <=3.9 1.9.1 0.9.1 >=3.6, <=3.9 1.9.0 0.9.0 >=3.6, <=3.9 1.8.2 0.8.2 >=3.6, <=3.9 1
pytorch1.7 安装
01-19 4599
pip install torch==1.x.x -i https://pypi.douban.com/simple pip install torchvision==0.x.x -i https://pypi.douban.com/simple 安装kornia pip install kornia==0.x.x -i https://pypi.douban.com/simple pytorch=1.3, kornia=0.3.1 pytorch=1.7, kornia=0.5.1
深度学习问题1：ERROR: torch-1.10.0+cu113-cp39-cp39-linux_x86_64.whl is not a supported wheel on this ..
qq_43967413的博客
11-15 4706
`ERROR: torch-1.10.0+cu113-cp39-cp39-linux_x86_64.whl is not a supported wheel on this platform.
一看就懂的 CUDA安装教程及Pytorch GPU版本安装教程
Evan_qin_yi_quan的博客
03-10 5万+
一看就懂的 CUDA安装教程
评论
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