Docker中構建深度學習環境

1.安裝nvidia-docker

$ distribution=$(. /etc/os-release;echo $id$version_id)

$ curl -s -l  | sudo apt-key add -
$ curl -s -l  | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
$ sudo apt-get update && sudo apt-get install -y nvidia-docker2
$ sudo systemctl restart docker

$ sudo docker pull pytorch/pytorch:1.3-cuda10.1-cudnn7-devel

$ sudo docker images

3.啟動容器

$ sudo docker run --name fastreid --gpus all -it -v $pwd:/home pytorch/pytorch:1.3-cuda10.1-cudnn7-devel bash

--gpus：指定使用的gpu數量，這裡為所有all，一定要設定該引數，否則無法呼叫gpu；

-it：使用互動式interactive；

-v：磁碟掛載，$pwd:/home的意思是將當前路徑掛載到容器/home目錄下，這樣進入容器之後cd到/home，就可以執行當前路徑下的檔案了；

pytorch/pytorch:1.3-cuda10.1-cudnn7-devel：表示docker映象

-bash：最後一項表示執行容器的命令，在互動模式下執行bash，就可以進入容器的bash了

4.停止容器

$ sudo docker stop fastreid

5.檢視容器

$ sudo docker ps

$ sudo docker stop a25296453d73

$ sudo docker ps -a

$ sudo docker rm fastreid

$ sudo docker rm a25296453d73

$ sudo docker image rm $

docker 配置深度學習環境

以配置pytorch為例 step 2 配置所跑 需要的環境 採用pip pip install i trusted host pypi.douban.com mmcv opencv python scipy tb nightly networkx scikit image matplotlib f...

使用docker建立深度學習環境

新裝的伺服器版本為ubuntu18.04.3，裝的cuda版本10.2，發現tf現在並不支援，tf對於cuda支援比較嚴格具體可以檢視 tf支援的cuda版本 cuda的作業系統要求 所以通過docker，省去更換系統的麻煩。docker部署深度學習環境，是不需要宿主機安裝cuda的，只需要宿主機安...

docker部署深度學習cpu環境

1.使用 阿里雲 映象站點加速服務 在安裝 docker 後，理論上我們就可以去 docker hub 上尋找我們想用的映象了。不過在國內訪問國外的 docker hub 速度是非常慢的訪問 2.選擇 docker 映象加速器。curl fssl bash s docker mirror aliyu...