Здравствуйте, здесь я объясню, как настроить среду ML в Docker с помощью VM Ubuntu. перед этим убедитесь, что у вас установлен докер и драйвер Nvidia!

Шаг 1: войдите на свой компьютер. Здесь я использую SSH-клиент для входа в систему.

ssh username@hostServer

Шаг 2. Проверьте версию Docker и поддержку графического процессора NVidia в Linux и Docker.

docker --version

docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi

Шаг 3. Загрузите образ докера TensorFlow на свой компьютер.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

Этот образ докера похож на установщик приложения. чтобы проверить вашу установку. вы можете ввести: docker image ls

Шаг 4. Создайте и запустите контейнер

docker run --gpus all -it -v $(realpath ~/notebooks):/tf/notebooks -p 8866:8888 tensorflow/tensorflow:latest-gpu-jupyter

Ничего страшного, если вы не понимаете, я объясню это по одному.

  • docker run: он будет работать в новом контейнере.
  • --gpus all: вы будете использовать все графические процессоры.
  • -it: интерактивный, чтобы ввод всегда был активным, а аргументы доступа к терминалу
  • -v: смонтировать том (точно с монтированием каталога контейнера на сервер контейнера с путем $(realpath ~/notebooks):/tf/notebooks)
  • -p: то же самое с — опубликовать. опубликовать порт контейнера на хосте.
  • 8866 - это мой portHost или порт удаленного сервера
  • 8888 — это мой порт-контейнер или порт для ноутбука Jupiter.
  • tensorflow/tensorflow:latest-gpu-jupyter — это мой образ докера:тег

после этого вы можете проверить свой контейнер, используя docker container ls

вывод:

Вуаля, вы успешно создали и запустили свой контейнер.

Шаг 5: откройте новый терминал на локальном компьютере. Здесь я использую Windows 11 cmd.

Введите следующую команду, чтобы настроить переадресацию портов:

ssh -N -L localhost:8000:localhost:8866 username@hostServer
  • localhost:8000 (я рассматриваю порт 8000 как порт моей локальной машины)
  • localhost:8866 (порт удаленного сервера)

а затем откройте браузер и введите:

localhost:8000

введите свой токен в виртуальной машине терминала в браузер. Я выбираю строку 3 для своего токена: 436968d27f7e3fa4fdafc3e6da41ea8d33dd170f622fe20c

Шаг 6. Проверьте графический процессор в ноутбуке Jupyter.

Поздравляем! теперь вы можете получить доступ к своему ноутбуку Jupyter, используя Tensorflow и GPU в Docker. Спасибо, что прочитали эту неуместную статью :D

Если у вас есть ошибки или вопросы, пишите мне по адресу [email protected] или посетите мой профильный сайт здесь.