Docker中构建深度学习环境

在Docker中构建深度学习环境

参考博客:https://blog.csdn.net/ouening/article/details/105932177

1.安装nvidia-docker

$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
$ curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
$ sudo apt-get update && sudo apt-get install -y nvidia-docker2
$ sudo systemctl restart docker

2.拉去所需pytorch docker镜像

**镜像的地址列表:**https://hub.docker.com/r/pytorch/pytorch/tags?page=1

比如我拉取的是:pytorch/pytorch:1.3-cuda10.1-cudnn7-devel,则执行

$ sudo docker pull pytorch/pytorch:1.3-cuda10.1-cudnn7-devel

查看安装的镜像:

$ sudo docker images

如下图所示 pytorch/pytorch:1.3-cuda10.1-cudnn7-devel就是我们拉取的镜像

img

3.启动容器

$ sudo docker run --name FastReID --gpus all -it -v $PWD:/home pytorch/pytorch:1.3-cuda10.1-cudnn7-devel bash
  • run:代表启动一个容器,还有其他命令,例如rm(删除容器),exec,stop,kill等,可以查看链接:https://www.runoob.com/docker/docker-command-manual.html;
  • --name:代表容器名称,自行确定,如果没有指定,会随机生成;
  • --gpus:指定使用的gpu数量,这里为所有all,一定要设置该参数,否则无法调用gpu;
  • -it:使用交互式interactive;
  • -v:磁盘挂载,$PWD:/home的意思是将当前路径挂载到容器/home目录下,这样进入容器之后cd/home,就可以运行当前路径下的文件了;
  • pytorch/pytorch:1.3-cuda10.1-cudnn7-devel:表示docker镜像
  • -bash:最后一项表示执行容器的命令,在交互模式下执行bash,就可以进入容器的bash了

4.停止容器

$ sudo docker stop FastReID

FastReID就是之前创建容器时赋予的名字

5.查看容器

$ sudo docker ps

img

6.也可以使用下面的命令(使用容易的ID)停止容器

$ sudo docker stop a25296453d73

7.查看所有容器,包括已经停止的容器

$ sudo docker ps -a

img

8.删除容器

一定要慎重,不然在容器中安装的环境就没了,又得重新安装

$ sudo docker rm FastReID
$ sudo docker rm a25296453d73 

9.删除镜像

$ sudo docker image rm ${IMAGE ID}

可以删除镜像,如果提示有容器在占用,需要先删除容器,再删除镜像,这里的${IMAGE ID}就是镜像的ID

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要在Docker配置深度学习环境,您可以按照以下步骤进行操作: 1. 安装Docker:如果您还没有安装Docker,请根据您的操作系统(Windows、Mac或Linux)在Docker官方网站上下载并安装Docker。 2. 创建一个Docker镜像:您可以使用已经预先配置好的深度学习镜像,例如NVIDIA提供的nvidia-docker镜像,或者您可以自己构建一个包含必要组件和库的镜像。在这里,我们以自己构建镜像为例。 3. 编写Dockerfile:创建一个名为Dockerfile的文本文件,在其定义您的镜像。以下是一个示例Dockerfile: ``` FROM nvidia/cuda:11.2.0-cudnn8-runtime-ubuntu20.04 # 安装系统依赖 RUN apt-get update && apt-get install -y \ python3 \ python3-pip \ git \ && rm -rf /var/lib/apt/lists/* # 安装深度学习相关库 RUN pip3 install tensorflow-gpu==2.4.1 \ keras==2.4.3 \ numpy \ matplotlib \ jupyterlab # 设置工作目录 WORKDIR /app # 复制项目代码到容器 COPY . /app # 设置启动命令 CMD ["jupyter", "lab", "--ip=0.0.0.0", "--port=8888", "--allow-root"] ``` 在上述示例,我们使用了基于Ubuntu 20.04的NVIDIA CUDA和cuDNN的运行时镜像,并安装了Python、Git以及一些常用的深度学习库。您可以根据自己的需求自定义Dockerfile。 4. 构建镜像:在创建好Dockerfile后,使用以下命令在终端构建镜像(确保当前目录包含Dockerfile): ``` docker build -t deep-learning-env . ``` 这将会根据Dockerfile创建一个名为deep-learning-env的镜像。 5. 运行容器:运行以下命令启动一个容器,并将本地的一个目录挂载到容器,以便在容器进行文件的读写操作: ``` docker run -it --gpus all -v /path/to/local/directory:/app deep-learning-env ``` 在上述命令,`/path/to/local/directory`是您本地文件系统的目录,您可以将其替换为您自己的目录。这样,您就可以在容器进行深度学习相关的开发和实验了。 希望以上步骤能帮助您成功配置深度学习环境。如有任何问题,请随时向我提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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