python与jupyter关系_jupyterlab-tensorflow-gpu-anaconda容器安装及cuda 与cudnn的关系

对于版本号大于1.13的tensorflow-gpu版本，如1.14、1.15和2.0，要安装CUDA10.0，不要安装最新的CUDA10.1，安装后会提示缺少很多库文件，而导致GPU版本的tensorflow无法使用。

###CUdnn与CUDA的对应关系 NVIDIA官网链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10 目前为止(2019年11月2日)，最新的cuDNN版本号是7.6.3，7.5和7.6的cuDNN都支持CUDA10.1，7.4只能支持到CUDA10.0，一般如果安装的CUDA10.0的话，cuDNN7.4是可以的

##检验tensorflow-gpu安装成功

import tensorflow as tf

a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')

b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')

c = a +b

sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))

print(sess.run(c))

如果出现错误

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

##那么在终端输入以下命令(未测试)：

sudo ldconfig /usr/local/cuda-10.0/lib64

##anaconda python 版本对应关系

##jupyter lab 支持gpu

##docker 拉取镜像

docker pull nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04

##在容器内操作：nvidia-docker run -it --rm -p 3333:8888 nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04 /bin/sh

apt update

apt install wget #获取anaconda

apt install bzip2 #安装anaconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh #默认保存在/路径下

chmod +x Anaconda3-5.2.0-Linux-x86_64.sh

./Anaconda3-5.2.0-Linux-x86_64.sh -b #不提示直接默认安装 python3.6

export PATH=/root/anaconda3/bin:$PATH #指定路径，需要在dockerfile 中定义，在容器内定义后commit 容器后会失效

pip install tensorflow-gpu==1.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install jupyterlab #pip install jupyterlab https://jupyterlab.readthedocs.io/en/stable/getting_started/installation.html

pip install msgpack #安装以上后会报缺少此包

##执行后commit 容器，以此容器为基础构建

##dockerfile

FROM nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04-python3-jupyterlab

ENV PATH /root/anaconda3/bin:$PATH

RUN echo 'import subprocess\nimport sys\nsubprocess.call("cd /", shell=True)\nsubprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)' >>/python_service.py

CMD ["python3","/python_service.py"]

##

执行启动jupyterlab 的脚本

python_service.py

import subprocess

import sys

subprocess.call("cd /", shell=True)

subprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)

##手动执行的jupyter lab

jupyter lab --ip=0.0.0.0 --no-browser --allow-root --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home

##容器外执行

nvidia-docker run -d --rm -p 3333:8888 ademord/jupyterlab-gpu /bin/bash -c "jupyter notebook --notebook-dir=/tf --ip 0.0.0.0 --no-browser --allow-root --NotebookApp.token='jupyterAdmin' "

gpu-tensflow-jupyter dockerfile

FROM nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04

ENV PATH /root/anaconda3/bin:$PATH

RUN apt update && apt install wget && apt install bzip2 && cd / \

&& wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh \

&& chmod +x /Anaconda3-5.2.0-Linux-x86_64.sh \

&& ./Anaconda3-5.2.0-Linux-x86_64.sh -b \

&& rm -rf ./Anaconda3-5.2.0-Linux-x86_64.sh

RUN pip install tensorflow-gpu==1.11.0 -i https://pypi.douban.com/simple/ \

&& pip install msgpack -i https://pypi.douban.com/simple/ \

&& pip install jupyterlab

RUN echo 'import subprocess\nimport sys\nsubprocess.call("cd /", shell=True)\nsubprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)' >>/python_service.py

CMD ["python3","/python_service.py"]