Docker部署Anaconda3+Tensorflow-gpu深度学习环境(包括CUDA和cudnn部署)
– 要求宿主机已经安装了NVIDIA驱动,nvidia-docker
拉取CUDA镜像
docker pull nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04
注意要拉取有cudnn的镜像
创建自己的容器
nvidia-docker run -it -p 8023:22 --name=“YF” --volumes-from YF_anaconda3 -it nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04 /bin/bash
- name是容器名称
- –volumes-from表示改容器使用和YF_anaconda3相同的挂载路径,可以更改为-v [宿主机路径][容器路径]
- 如果要使用pycharm远程连接,要映射到22端口
安装cudnn
不知道镜像自带的cudnn怎么激活,采用官网下载cudnn for CUDA10.0进行安装
cp cuda/include/cudnn.h /usr/local/cuda/include/
cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
chmod a+r /usr/local/cuda/include/cudnn.h
chmod a+r /usr/local/cuda/lib64/libcudnn*
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
显示如下信息表示安装成功
安装Anaconda3
从官网下载Anaconda3的安装包(.sh)文件
bash Anaconda3-5.3.1-Linux-x86_64.sh
一路yes,可以选装vscode
- 可能遇到错误 bunzip2: not found,此时安装bzip2
- apt install bzip2
安装结束后输入python测试是否成功安装,如果找不到命令需要将其加入到环境变量
vim ~/.bashrc
###在文件最后一行添加
export PATH="/root/anaconda3/bin:$PATH"
###保存后激活配置
source ~/.bashrc
输入python,即可查看当前python环境
安装TensorFlow和Keras
可以使用豆瓣镜像,安装之前更新wrapt安装包
pip install -U --ignore-installed wrapt enum34 simplejson netaddr -i https://pypi.douban.com//simple
安装TensorFlow-GPU
pip install tensorflow-gpu -i https://pypi.douban.com//simple
安装Keras
pip install keras -i https://pypi.douban.com//simple
安装成功即可使用该docker容器愉快的科研了
配置SSH,方便pycharm远程连接
安装openssh
apt install -y openssh-server
修改相关文件
mkdir /var/run/ssh
echo 'root:passwd' | chpasswd
###修改/etc/ssh/ssd_config文件
vim /etc/ssh/sshd_config
修改 PermitRootLogin prohibit-password 为 PermitRootLogin yes
### 修改/etc/pam.d/sshd文件
vim /etc/pam.d/sshd
下图中的红色框中更改为 optional
最后添加环境变量并重新启动ssh
echo "export VISIBLE=now" >> /etc/profile
service ssh restart
此时应该能够在pycharm客户端连接到该容器,pycharm端口的配置参见PyCharm+Docker:打造最舒适的深度学习炼丹炉