ubuntu18.04中基于Docker搭建tensorflow-gpu开发环境

最新推荐文章于 2024-05-16 13:26:13 发布
最新推荐文章于 2024-05-16 13:26:13 发布
阅读量1k 收藏 5
点赞数 3
分类专栏： docker python 文章标签： tensorflow docker 深度学习
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_47058489/article/details/125164622
版权

前提条件就不多提啦，首先得装好nvidia驱动和Docker19以上版本，网上有很多教程。

尝试1：拉取现有的deepo镜像制作

deepo是一个囊括几乎所有深度学习框架的开源镜像，这里我们选择拉取一个tensorflow-gpu版本的，避免占用储存过大。

# 拉取
root@master:/home/hqc# docker pull ufoym/deepo:tensorflow-py36

# 查看该容器是否可见
root@master:/home/hqc# sudo docker run --rm --gpus all ufoym/deepo:tensorflow-py36 nvidia-smi
	+-----------------------------------------------------------------------------+
	| NVIDIA-SMI 495.44       Driver Version: 495.44       CUDA Version: 11.5     |
	|-------------------------------+----------------------+----------------------+
	| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
	| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
	|                               |                      |               MIG M. |
	|===============================+======================+======================|
	|   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0 Off |                  N/A |
	| 23%   38C    P8     9W / 250W |     11MiB / 11178MiB |      0%      Default |
	|                               |                      |                  N/A |
	+-------------------------------+----------------------+----------------------+
	                                                                               
	+-----------------------------------------------------------------------------+
	| Processes:                                                                  |
	|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
	|        ID   ID                                                   Usage      |
	|=============================================================================|
	+-----------------------------------------------------------------------------+
# 可见

# 进入容器
root@master:/home/hqc# docker run -gpus all -it ufoym/deepo:tensorflow-py36 bash
root@6ef50267dc04:/# nvidia-smi
	Tue Jun  7 05:59:34 2022       
	+-----------------------------------------------------------------------------+
	| NVIDIA-SMI 495.44       Driver Version: 495.44       CUDA Version: 11.5     |
	|-------------------------------+----------------------+------------
最低0.47元/天 解锁文章
ERROR_LESS
关注
  • 3
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
BMW-TensorFlow-Inference-API-GPU：这是使用Tensorflow框架的对象检测推理API的存储库
01-30
Tensorflow GPU推理API 这是使用Tensorflow框架的对象检测推理API...Ubuntu 18.04 NVIDIA驱动程序（410.x或更高版本） Docker CE最新稳定版本 NVIDIA Docker 2 检查先决条件 要检查是否已安装docker-ce： docker -
GPU-Jupyterhub：设置一个Jupyterhub Docker容器以生成具有GPU支持（包含Tensorflow，Pytorch和Keras）的Jupyter Notebook
02-04
Jupyter Notebook映像有一个，基于CUDA10.0和Ubuntu18.04。 它会从Jupyterhub（由Dockerfile.jupyterhub定义，位于Jupyterhub_Image文件夹下）中取代。 有关更多详细信息，请访问我们的网站 编辑了仓库： 删除了...
基于Docker配置的tensorflow-gpu环境进行分布式训练
error的博客
06-10 926
本文基于ubuntu18.04中基于Docker搭建tensorflow-gpu开发环境这篇文章中构建好的tensorflow-gpu环境进行开发。如果觉得有用，测试demo可以找我要，希望能帮助到大家。 添加一行： 4 重启ssh服务： 5 宿主机上连接： ：此处端口是之前宿主机映射到容器的端口，详细见我上篇文章。6 将添加ssh功能的容器打包成一个镜像，在这篇文章的基础上。 2 查看每个Docker容器的ip信息 3 宿主机端口和docker容器端口映射 3.0 端口映射相关知识基础 参考链接 TC
ubuntu18.04安装Tensorflow GPU版本全流程
qq_37717532的博客
11-15 5128
ubuntu18.04安装Tensorflow GPU版本全流程1安装显卡驱动1.1选择正确的显卡驱动1.2显卡驱动安装合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 1安装显卡驱动 你好！ 这是你第一次使用 Markdown编辑器 所展示
Docker【部署 07】镜像内安装tensorflow-gpu及调用GPU多个问题处理Could not find cuda drivers+unable to find libcuda
最新发布
2401_84545016的博客
05-16 560
Python编程学习，学习内容包含：语法、正则、文件、 网络、多线程等常用库，推荐《Python核心编程》，不要看完；在实际的渗透测试过程中，面对复杂多变的网络环境，当常用工具不能满足实际需求的时候，往往需要对现有工具进行扩展，或者编写符合我们要求的工具、自动化脚本，这个时候就需要具备一定的编程能力。恭喜你，如果学到这里，你基本可以从事一份网络安全相关的工作，比如渗透测试、Web 渗透、安全服务、安全分析等岗位；检测CUDA版本是必要的，由于使用的是导出的镜像文件，2和3的方法无法使用，最终使用。
ubuntu18.04 nvidia gpu驱动与tensorflow-gpu以 docker方式安装
Geikon的博客
07-02 1092
通过ubuntu标准库自动安装 搜索系统当前支持的驱动（此方法可能无法安装最新版） $ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00 vendor : ...
Docker：基于ubuntu18.04的介绍，安装与使用 - 最新无死角
江南才尽江南山，年少无知年少狂！
03-31 5098
以下链接是个人关于深度学习环境搭建的所有链接，包含了各个框架： 深度学习环境搭建-史上最全无死角系列 有兴趣的朋友可以添加微信a944284742相互交流。 注意：本人编写该博客的时间为  2020−03−31，并不能保证适用于你现在的时间点\color{red}{注意：本人编写该博客的时间为~~ 2020-03-31，并不能保证适用于你现在的时间点}注意：本人编写该博客的时间...
ubuntu18.04利用docker安装NVIDIA驱动、cuda、cudnn、tensorflow、torch等深度学习环境
Zjhao666的博客
06-06 5668
目录 前言 一、Docker安装 备份sources.list并新建 阿里源镜像填入（最近清华源好像有问题） 更新源使之生效 二、NVIDIA GPU 驱动安装 驱动安装 检查安装结果 三、Docker安装 docker安装 检查安装结果 为避免docker操作必须要sudo，将当前用户加入docker用户组（${YOUR_NAME_HERE}处填当前用户名） 前言 docker一词的原意为“码头的装卸工”，其开发的目的是为解决广大程序员在开发、测试、部署维护等不同场景不可避免的
docker安装tensorflow-gpu
random_repick的专栏
12-11 709
1.因为之前安装别的框架已经安装过NVIDIA驱动，所以不知道需不需要先装驱动。个人建议先安装驱动，看这里。 2.根据官网安装docker sudo apt-get remove docker docker-engine docker.io containerd runc sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent.
ZJDoc#Deploy#ubuntu-nvidia-docker安装1
07-25
[Ubuntu]nvidia-docker安装安装Nvidia容器工具包，允许在容器中实现GPU加速环境当前主机系统为Ubuntu 18.04，Docker版本
BMW-TensorFlow-Training-GUI：此存储库可让您开始使用基于gui的培训，而无需进行任何配置就可以学习最先进的深度学习模型！ 使用TensorFlow进行NoCode培训从未如此简单
02-02
适用于Linux的Tensorflow对象检测培训GUI 该存储库使您无需...先决条件Ubuntu 18.04 NVIDIA驱动程序（410.x或更高版本） Docker CE最新稳定版本NVIDIA Docker 2 Docker组合如何检查先决条件要检查是否已安装docker-ce：
docker-cuda-gym:使用Tensorflow的OpenAI Gym的Dockerfile
04-29
使用Tensorflow的OpenAI Gym的Dockerfile... cuda ，它是Ubuntu 18.04基本映像上的CUDA 9.0（不是来自nvidia） gym-only ，没有CUDA，只有带有OpenAI的Gym的桌面环境 tensorflow ，CUDA + Gym + Tensorflow（带有GPU）
BMW-TensorFlow-Inference-API-CPU：这是使用Tensorflow框架的对象检测推理API的存储库
01-30
适用于Windows和Linux的Tensorflow CPU推理API 这是使用Tensorflow框架的对象检测推理API的存储库。...先决条件作业系统： Ubuntu 16.04 / 18.04 Windows 10专业版/企业版码头工人检查先决条件要检查是否已安装dock
rd-blender-docker:用于无头或分布式运行Blender的Docker容器的集合:sparkles:
05-08
Docker中的Blender 用于无头或分布式运行Blender的Docker... nytimes/blender:2.92-gpu-ubuntu18.04 2.91 nytimes/blender:2.91-cpu-ubuntu18.04 nytimes/blender:2.91-gpu-ubuntu18.04 2.90 nytimes/blender:2.90
BMW-Semantic-Segmentation-Inference-API-GPU-CPU:这是使用Gluoncv CV工具包的语义分段推理API的存储库
04-16
Ubuntu 18.04或20.04 LTS 启用了Hyper-V的Windows 10 Pro和Docker桌面 NVIDIA驱动程序（410.x或更高版本） Docker CE最新稳定版本 NVIDIA Docker 2 Git lfs（大文件存储）： 注意： Windows部署仅支持CPU版本，...
gunrock:GPU上的高性能图形基元
04-28
服务系统环境地位Ubuntu 18.04 LTS CUDA 11.0，NVIDIA驱动程序450.66，GCC / G ++ 7.5.0快速入门指南在构建Gunrock之前，请确保您在Linux系统上安装了CUDA Toolkit 10.2或更高版本。 我们也支持使用下提供的泊坞窗...
ubuntu安装docker，拉取tensorflow serving官方例子，部署Keras模型
qq_43905019的博客
10-13 597
模型框架: Keras使用TensorFlow Serving部署。
tensorflow 1.15 gpu docker环境搭建；Nvidia Docker容器基于TensorFlow1.15测试GPU；——全流程应用指南
点赞的都能无bug通过！
11-14 1963
TensorFlow 在新款 NVIDIA Pascal GPU 上的运行速度可提升高达 50%，并且能够顺利跨 GPU 进行扩展。如今，训练模型的时间可以从几天缩短到几小时TensorFlow 使用优化的 C++ 和 NVIDIA® CUDA® 工具包编写，使模型能够在训练和推理时在 GPU 上运行，从而大幅提速TensorFlow GPU 支持需要多个驱动和库。为简化安装并避免库冲突，建议利用 GPU 支持的 TensorFlow Docker 镜像。
Docker【部署 05】docker使用tensorflow-gpu安装及调用GPU踩坑记录
Java与大数据相关实践内容分享！
10-11 2121
docker使用tensorflow-gpu安装及调用GPU踩坑记录
ubuntu18.04安装onnxruntime-gpu
06-12
可以按照以下步骤安装onnxruntime-gpu： 1. 确保你的GPU支持CUDA和cuDNN，并且已经安装了CUDA和cuDNN。 2. 安装依赖项： ``` sudo apt-get update sudo apt-get install -y git cmake build-essential libprotobuf-dev protobuf-compiler libprotobuf-dev libprotoc-dev libopencv-dev ``` 3. 克隆onnxruntime-gpu仓库： ``` git clone --recursive https://github.com/microsoft/onnxruntime.git ``` 4. 进入onnxruntime目录： ``` cd onnxruntime ``` 5. 创建build目录并进入： ``` mkdir build cd build ``` 6. 配置编译选项： ``` cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -Donnxruntime_USE_CUDA=ON -Donnxruntime_CUDA_HOME=/usr/local/cuda -Donnxruntime_CUDA_INCLUDE_DIRS=/usr/local/cuda/include -Donnxruntime_CUDA_LIB_DIRS=/usr/local/cuda/lib64 -Donnxruntime_USE_TENSORRT=OFF ``` 其中，-Donnxruntime_USE_CUDA=ON表示使用CUDA，-Donnxruntime_CUDA_HOME、-Donnxruntime_CUDA_INCLUDE_DIRS、-Donnxruntime_CUDA_LIB_DIRS分别指定CUDA的安装路径和头文件路径、库文件路径。 7. 编译并安装： ``` make -j$(nproc) sudo make install ``` 这里使用了make -j$(nproc)来并行编译，可以加快编译速度。 8. 安装完毕后，可以测试一下onnxruntime-gpu是否正常工作： ``` cd ../tools/ci_build/github/linux/docker/scripts ./run_onnx_tests.sh -e gpu ``` 如果测试通过，则说明onnxruntime-gpu已经安装成功了。 注意：onnxruntime-gpu的安装可能会因为各种原因失败，需要根据具体错误信息进行调试。
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