tensorflow和pytorch官方都維護(hù)了不同版本的docker鏡像。借助docker我們可以方便的搭建起深度學(xué)習(xí)實(shí)驗(yàn)環(huán)境。

但是想要在同一個(gè)容器內(nèi)同時(shí)擁有tensorflow、pytorch、jupyter notebook 并支持GPU，就需要自己來(lái)動(dòng)手了。

硬件環(huán)境：

華碩b450主板 AMD r7 2700 CPU NVIDIA 2060 RTX顯卡 16G內(nèi)存

軟件環(huán)境：

ubuntu 18.10 docker ce 18.09.3 nvidia驅(qū)動(dòng)：nvidia-driver-418

配置思路：

基于tensorflow + gpu + jupyter鏡像，再在容器內(nèi)安裝pytorch即可。

開(kāi)始動(dòng)手：

1、到Docker Hub找一個(gè)合適的docker鏡像：

就用nightly-gpu-py3-jupyter了， 拉下來(lái)

docker pull tensorflow/tensorflow:nightly-gpu-py3-jupyter

2、參考tensorflow官方教程。要在docker內(nèi)使用gpu，首先需要在host環(huán)境下安裝nvidia-docker。

官方教程： https://www.tensorflow.org/install/docker

nvidia-docker項(xiàng)目地址：NVIDIA/nvidia-docker

注意：nvidia-docker對(duì)系統(tǒng)docker版本的要求極為嚴(yán)格，請(qǐng)仔細(xì)檢查兼容性。

提示：為了不必要的麻煩，我直接重新安裝了nvidia官方推薦的docker版本。（由于nvidia-docker尚不支持ubuntu18.10 Cosmic Cuttlefish，我安裝的docker ce是適配18.04 Bionic Beaver的版本--> Index of linux/ubuntu/dists/bionic/pool/stable/amd64/）

docker安裝教程，請(qǐng)參考：Get Docker CE for Ubuntu

3、如果一切正常，安裝完成nvidia-docker后就可以在docker容器內(nèi)使用gpu了。

測(cè)試一下： docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi

注意 --runtime=nvidia是必須的，否則容器內(nèi)檢測(cè)不到GPU

4、啟動(dòng)tensorflow/tensorflow:nightly-gpu-py3-jupyter，就可以擁有一個(gè)支持tensorflow+GPU+jupyter notebook的實(shí)驗(yàn)環(huán)境了：

docker run --runtime=nvidia --name tf --rm -it -v /home/helo/data/tf:/tf -p 8888:8888 tensorflow/tensorflow:nightly-gpu-py3-jupyter

訪問(wèn)localhost:8888，輸入token就能進(jìn)入jupyter notebook了

檢查一下GPU是否工作正常：

from tensorflow.python.client import device_lib device_lib.list_local_devices()

5、添加pytroch支持

稍微修改一下剛才的docker run命令，讓容器啟動(dòng)在后臺(tái)。

docker run --runtime=nvidia --name tf -dt -v /home/helo/data/tf:/tf -p 8888:8888 tensorflow/tensorflow:nightly-gpu-py3-jupyter

使用docker exec命令進(jìn)入容器內(nèi)：

docker exec -it tf bash

安裝pytorch：

pytorch官方安裝教程：PyTorch

需要檢查一下容器內(nèi)python和cuda的版本：

python --version nvcc --version

根據(jù)pytorch官方提示完成安裝

6、檢測(cè)pytorch是否安裝成功（可能需要重啟容器）

import torch if torch.cuda.is_available():device = torch.device("cuda") # a CUDA device objecty = torch.ones_like(x, device=device) # directly create a tensor on GPUx = xto photography and illustration competition(device) # or just use strings ``.to("cuda")``z = x + yprint(z)print(Denise and Gary Zimmerman's Home On The Web("cpu", torch.double))

至此，基于docker的深度學(xué)習(xí)實(shí)驗(yàn)環(huán)境就配置完成了。記得docker commit一下。

補(bǔ)充：也可以在jupyter內(nèi)的Terminal上完成pytorch安裝

https://cloud.docker.com/repository/docker/roughwin/ml

總結(jié)

以上是生活随笔為你收集整理的nvidia docker容器不支持中文的解决办法_用docker搭建深度学习实验环境的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。