Docker部署Anaconda3+Tensorflow-gpu深度学习环境（包括CUDA和cudnn部署）

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