Win11的WSL2使用Docker部署深度学习环境-Python和Docker基操

小叶MW

已于 2024-07-20 14:05:24 修改

阅读量1.5k

点赞数 7

分类专栏： # Linux 文章标签： docker 深度学习 python

于 2024-04-13 16:48:19 首次发布

本文链接：https://blog.csdn.net/weixin_47145054/article/details/137714500

版权

Linux 专栏收录该内容

10 篇文章 1 订阅

订阅专栏

Win11的WSL2使用Docker部署深度学习环境-Python和Docker基操

文章目录

Win11的WSL2使用Docker部署深度学习环境-Python和Docker基操

1. 配置WSL2

若没有安装WSL2，见我之前的博客。里面含有详细教程:
- 全网最详细搭建Win10+WSL2+Ubuntu-22.04LTS+CUDA+Xfce4+noVNC个人工作站

2. 配置Docker

针对于win系统下WSL子系统，安装Docker桌面版，Install Docker Desktop on Windows
检查安装是否成功

Docker数据迁移到磁盘

wsl --shutdown
wsl --terminate docker-desktop-data
wsl --export docker-desktop-data D:\docker-desktop-data\docker-desktop.tar
wsl --unregister docker-desktop-data
wsl --import docker-desktop-data D:\docker-desktop-data D:\docker-desktop-data\docker-desktop.tar

安装成功

Linux系统的Docker安装，可参考以下指令

sudo apt-get update

sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt-get update

sudo apt-get install docker-ce docker-ce-cli containerd.io

3. Docker部署深度学习环境-Python和Docker基操

可使用Dockerfile进行环境部署，参考如下：

FROM pytorch/pytorch:1.6.0-cuda10.1-cudnn7-runtime

COPY . /deploy
WORKDIR /deploy


RUN sed -i s@/deb.debian.org/@/mirrors.aliyun.com/@g /etc/apt/sources.list \
    && apt-get clean \
    && apt-get update \
    && pip config set global.index-url https://mirror.baidu.com/pypi/simple \
    && pip install --upgrade setuptools \
    && pip install --upgrade pip \
    && pip install -r requirements.txt


EXPOSE 9535
ENTRYPOINT ["gunicorn", "-c", "gunicorn_cfg.py", "xx_xx:app"]

这里我介绍一种极简的部署方式
- 拉取python镜像 docker pull python:3.9
- 查看镜像 docker images
- 使用该镜像创建容器并指定该容器可以使用所有的gpu资源 docker run -p 8001:5555 -it --name yolov8_python3.9 --gpus all python:3.9 /bin/bash
- 查看正在运行的容器 docker ps
- 查看所有容器
- 安装pytorch并验证gpu是否可用
- 关闭容器 docker stop yolov8_python3.9
- 启动容器 docker start yolov8_python3.9
- 进入容器 docker exec -it -u root yolov8_python3.9 /bin/bash
- 容器外部数据传入容器内部 docker cp 本地文件路径容器ID/容器NAME:容器内路径
- 查看容器端口 docker port 容器NAME
- 镜像提交 docker commit 448adec82e0c yolov8_python3.9
- 镜像打包tar docker save -o yolov8_python3.9.tar yolov8_python3.9
- 镜像tar加载 docker load -i yolov8_python3.9.tar
- 镜像删除 docker rmi yolov8_python3.9 -f
- 容器删除 docker rm yolov8_python3.9
镜像提交至Docker Hub流程
- 账号登陆：docker login
- 镜像提交规范：docker push 注册用户名称/镜像名
- tag修改镜像名称：docker tag 镜像:镜像版本号注册用户名称/镜像名:镜像版本号
- 镜像推送至Docker Hub：docker push 注册用户名称/镜像名:镜像版本号