200字范文 > Ubuntu+Docker+Tensorflow+GPU安装

Ubuntu+Docker+Tensorflow+GPU安装

时间：2023-07-28 12:49:02

Docker对于在Linux下快速建立深度学习的工作环境很有帮助，参考一些文章，2小时安装完成。

0.预备

GCC，Python, CUDA等需要提前安装好。

CUDA上次安装Kaldi时我已经安装好了，是9.1版本。

1. 安装docker[1]

$ sudo apt-get remove docker docker-engine docker.io$ sudo apt-get update$ sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common$ curl -fsSL /linux/ubuntu/gpg | sudo apt-key add -$ sudo add-apt-repository "deb [arch=amd64] /linux/ubuntu $(lsb_release -cs) stable"$ sudo apt-get update

如果在 production 系統上安裝 docker 最好選擇固定版本，不然就直接用 latest (optional but recommanded)

直接安裝 latest (fast in dev environment)

$ sudo apt-get install -y docker-ce

post installation

$ sudo groupadd docker$ sudo usermod -aG docker $USER

重新登入測試能不能不用 sudo 執行 docker

$ docker run hello-world$ sudo systemctl enable docker

若要移除

$ sudo apt-get purge docker-ce$ sudo rm -rf /var/lib/docker

2. 安装 nvidia-docker

wget -P /tmp /NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.debsudo dpkg -i /tmp/nvidia-docker*.deb && rm /tmp/nvidia-docker*.deb

# Test nvidia-smi 验证是否安装成功

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

然后在执行下面这句，默认用nvdia-docker替代docker命令:

echo 'alias docker=nvidia-docker' >> ~/.bashrcbash

3.下载使用TensorFlow镜像

从国内的阿里云Pull images拉取镜像:

sudo docker pull ubuntu # 获取 ubuntu 官方镜像sudo docker pull -/denverdino/tensorflow

查看当前镜像列表:

$ sudo docker images

基于某个镜像新建一个容器，并运行bash工具（镜像可以用IMAGE ID表示）:

sudo docker run -i -t -/denverdino/tensorflow /bin/bash

在另一个终端窗口，查看容器：

sudo docker ps # 查看当前运行的容器, ps -a 列出当前系统所有的容器

sunfoot@sunfoot-BigBoy:~$ sudo docker exec -it 6665676662b1 /bin/bash[sudo] sunfoot 的密码：Error: No such container: 6665676662b1sunfoot@sunfoot-BigBoy:~$ sudo docker psCONTAINER ID IMAGE COMMAND CREATED STATUS PORTSNAMESbe332eead58b -/denverdino/tensorflow "/bin/bash" 2 minutes ago Up 2 minutes 6006/tcp, 8888/tcp dreamy_lamportsunfoot@sunfoot-BigBoy:~$ sudo docker exec -it be332eead58b /bin/bash

运行 TensorFlow，在Docker容器中打开一个 python 终端

$ python>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print sess.run(hello)Hello, TensorFlow!>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print sess.run(a+b)42

4. NotebookApp下运行Mnist数据集+TF[3]

5. 如何在容器与主机间共享文件

从Docker容器内拷贝文件到主机上,这里bf1bdfb8d32c是容器ID号。

docker cp bf1bdfb8d32c:notebooks/1_hello_tensorflow.ipynb /home/sunfoot/Work/tmp

从主机拷贝文件到容器

用-v挂载主机数据卷到容器内，这里db2de2a7c410是IMAGE ID。

docker run -it -v /home/sunfoot/Work/tmp:/mnt db2de2a7c410 /bin/bash在容器内拷贝 cp /mnt/sourcefile /path/to/destfile

6. TF用GPU运行

可看到49b48d227d6e image是支持GPU的。

sunfoot@sunfoot-BigBoy:~$ docker image ls -a

REPOSITORY TAG IMAGE ID CREATED SIZE

nvidia/cuda latest 04a9ce0dec6d 3 months ago 1.96GB