Rstudio Server + Docker + tensorflowR - 云端安装与使用R语言与GPU深度学习

笔者本来想在阿里云上部署nvidia - docker + Rstudio Server，然后使用R语言来进行深度学习。本篇是在该过程中产生的经验之谈。

---

---

1 准备阶段

来看看要准备一些什么：

• cuda/cudnn不提了…
• docker/nvidia-docker安装如下，一些问题可参考：docker︱在nvidia-docker中使用tensorflow-gpu/jupyter，大致如下：

安装docker

curl -sSL https://get.docker.com/ | sh1

安装Nvidia Docker

wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
sudo dpkg -i /tmp/nvidia-docker*.deb12

通过以下命令来检验是否成功：

nvidia-docker run --rm nvidia/cuda nvidia-smi

---

2 Rstudio Server nvidia-docker 环境

在项目pbhogale/gpu-keras-rstudio中有非常棒的环境已经写好，大致的环境为：nvidia/cuda:9.0-cudnn7-runtime

2.1 docker初始化的问题

但是由于在阿里云上对接github上很多资源下载会出现time out；
也会出现因为版本问题而无法下载的，在笔者调试了很多次下该Dockerfile是可以把环境部署好的（下载链接），但是需要自己在docker里面自己装keras:tensorflow。

把笔者提供的Dockerfile替换一下gpu-keras-tidyverse文件夹下的文件。
其中需要注意的有，注意点一：

RUN set -e \
    && useradd -m -d /home/rstudio rstudio \
    && echo rstudio:rstudioTheLegendOfZelda \
    | chpasswd \
    && apt-get -y autoremove \
    && apt-get clean

这个代表了设置rstudio的初始密码，好吧… 这个docker默认设置有点调皮，密码好长…
账号为：rstudio
密码为：rstudioTheLegendOfZelda

注意点二：

RUN set -e \
    && grep '^DISTRIB_CODENAME' /etc/lsb-release \
    | cut -d = -f 2 \
    | xargs -I {} echo "deb ${CRAN_URL}bin/linux/ubuntu {}/" \
    | tee -a /etc/apt/sources.list \
    && apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9 \
	&& apt-get update \
    && apt-get upgrade -y -q \
    && pip install --upgrade pip==9.0.3 \
    && pip install virtualenv \
    && pip install pelican \
    && rm -rf .cache \
    && echo 'options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))' >> /etc/R/Rprofile.site \
    && /usr/lib/R/site-library/littler/examples/install.r tensorflow keras \
	&& r -e "install.packages(c('devtools', 'xgboost', 'tidyverse', 'rmarkdown', 'greta', 'usethis', 'docopt'))" \
    && apt-get -y autoremove \
    && apt-get clean

options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))这个如果是阿里云需要改成清华的镜像，不然基本下载不了。

2.2 docker中文环境布置问题

启动docker + r server会发现中文读入不了，笔者加载了 Sys.setlocale("LC_ALL", 'en_US.UTF-8') 或 Sys.setlocale()
有以下几个问题：原因是系统里面没有utf-8的locale。

Warning message:
In Sys.setlocale("LC_ALL", "Chinese") :
  OS reports request to set locale to "Chinese" cannot be honored

以及

Warning message:
Character set is not UTF-8; please change your locale

需要在docker环境下安装locale，可参考：

locale-gen en_US.UTF-8
apt-get install language-pack-zh-hant-base language-pack-zh-hans-base

参考：
Ubuntu 安装和启用中文
修改locale
比较来说，在/etc/default/locale文件最好使用以下：

LANG="en_US.UTF-8"
LANGUAGE="en_US:en"

---

3 Rstudio Server的部署

3.1 启动

   #查看是否安装正确 
    sudo rstudio-server verify-installation 
    ## 启动 
    sudo rstudio-server start 
    ## 查看状态 
    sudo rstudio-server status 
    ## 停止 
    sudo rstudio-server stop 
    ## 重启
    sudo rstudio-server restart
    ## 查看服务端ip地址 
    ifconfig

3.2 添加用户组

    ##添加用户组
    sudo groupadd rstudio-group
    ##添加用户
    sudo useradd anlan -g rstudio-group
    ##设置用户密码
    sudo passwd xxxxxx
    ##创建用户目录
    sudo mkdir /home/anlan
    ##赋予目录权限
    sudo chown -R anlan:rstudio-group /home/anlan

但是如果是在docker之中使用，笔者一直发现一个问题，就是添加不了用户，一直报错：

RSTUDIO INITIALIZATION ERROR: UNABLE TO CONNECT TO SERVICE

解决办法是：
参考：解決登入 Docker 的 RStudio 遇到錯誤 RStudio Initialization Error: Unable to connect to service

• 只登陆一个账号，一般为rstudio:rstudio，此处如果是默认的docker的话，即为：rstudio:rstudioTheLegendOfZelda
• 第二种是在docker启动的时候，就为设置账号和密码（笔者实验好像无效）：

docker run -d -p 8787:8787 -e USER=<username> -e PASSWORD=<password> rocker/rstudio

---

4 R语言与tensorflow + keras

4.1 安装

有了以上的环境，那么来看一下R之中使用keras/tensorflow,如果要使用简单的keras，需要先加载Keras，然后使用keras下载tensorflow。

install.packages("devtools")
devtools::install_github("rstudio/keras")
library(keras)
install_tensorflow(gpu=TRUE)

其中install_tensorflow()与install_keras()有几个参数：

# 函数一：install_keras
install_keras <- function(method = c("auto", "virtualenv", "conda"), 
                          conda = "auto",
                          tensorflow = "default",
extra_packages = c("tensorflow-hub")) 

# 函数二：install_tensorflow 
install_tensorflow <- function(method = c("auto", "virtualenv", "conda", "system"),
                               conda = "auto",
                               version = "default",
                               envname = "r-tensorflow",
                               extra_packages = c("keras", "tensorflow-hub"),
restart_session = TRUE) 

Method	Description
auto	Automatically choose an appropriate default for the current platform.
virtualenv	Install into a Python virtual environment at ~/.virtualenvs/r-tensorflow
conda	Install into an Anaconda Python environment named r-tensorflow
system	Install into the system Python environment

一些控制版本：

# tensorflow
install_tensorflow(version = "1.0.0")
install_tensorflow(method = "conda")
install_tensorflow(version = "nightly-gpu")  # gpu version
install_tensorflow(version = "gpu")  # gpu version

# keras
library(keras)
install_keras(tensorflow = "1.2.1")
install_keras(tensorflow = "1.2.1-gpu")
install_keras(method = "conda")

那么大体来说，py的版本控制，好像没有特别的参数与控制，一般默认是py2的tensorflow，其中在install_tensorflow()：

python_versions <- py_versions_windows()

4.2 占用指定显存容量

这边如果在使用tf的时候，会出现一下子把显存全部占满的情况，则需要控制一下，笔者只是照搬了py的稍微改一下，没想到能用，分享给大家。

library(tensorflow)
config = tf$ConfigProto()
config$gpu_options$per_process_gpu_memory_fraction = 0.3
tf$Session(config=config)

4.3 模型

这边就不举例了，在很多地方都有：

Keras for R： https://blog.rstudio.com/2017/09/05/keras-for-r/

---

可参考：
Installing TensorFlow
https://github.com/rstudio/keras
https://github.com/rstudio/tensorflow