搭建Tensorflow-gpu時與Docker和Dockerfile 的鬥爭
一、環境準備
1.安裝CUDA、cudnn
首先確定顯示卡是否能GPU加速，檢視顯示卡版本下載對應的驅動 CUDA和cudnn必須在宿主機中安裝而不是在映象中 之後下載CUDA、與cudnn 具體下載方式網上很多
安裝時一定要先確定你要安裝的tensorflow-gpu版本
例：我安裝的是tensorflow-gpu 1.8.0 所以對應-CUDA 9.0 與cudnn 7.0
之前因為安裝了9.1又安回9.0的時候出了很多問題 所以最好一次到位
cuda 版本 cat /usr/local/cuda/version.txt
2.docker安裝
1.docker版本用的是docker-ce_18.06.0_ce_3-0 有時候docker對版本還是挺敏感的 2.就是我猜的大坑 nvidia-docker 當時就覺得docker和nvidia-docker是一個東西所以就只按了docker
只有安裝了nvidia-docker 才能把宿主機的cuda和cudnn對映到docker映象中
當時報的錯是在映象中x86_64-linux-gnu中少了很多cuda相關共享庫
3.Tensorflow-gpu-1.8.0
1.docker pull tensorflow/tensorflow:tag(tag就是你要的版本) https://hub.docker.com/r/tensorflow/tensorflow/tags/
4.Dockerfile的使用
因為映象沒辦法像本地那樣直接在命令列中就pip install 或者apt-get install之類而我們tensorflow映象中只有一些簡單的庫，所以要引入Dockerfile
例： FROM tensorflowcv:gpu1.8-py3
RUN apt-get update RUN apt-get install -y python-dev RUN pip install opencv-python COPY NVIDIA-Linux-x86_64-390.67.run ./
這是我Dockerfile中一小部分 FROM 後面是初始映象 RUN 後面可以執行一些常用命令 COPY 是把本地檔案拷到映象中 具體的操作可以去搜一下 最後在這個目錄下 執行 docker build -t 新起的映象名稱 . 然後我開發是在pycharm用的這個映象當環境 2017版在project Interpreter add remote中新增映象環境 2018版在add中選docker新增映象環境 而且專案中路徑必須用相對路徑
在容器中執行可以用絕對路徑 就這些東西具體去了解一下docker 映象 容器 才能理解我說的這些 等到真正執行專案的時候就明白了
安裝load別人搭建好pytorch
本以為環境都好了 load一下別人的版本就可以 但是載入之後失敗，在2天的不斷的嘗試 才知道是docker版本 的問題（天知道我這兩天干了什麼）
最後附上一些常用docker 操作
容器：
docker stop 容器ID 停止執行容器 docker start 容器ID 執行容器 docker ps -a 檢視所有容口 docker rm 容器ID 刪除指定容器 docker logs 容器ID 檢視容器日誌 docker exec -it 容器ID /bin/sh 進入到執行中的容器，cat /etc/resolv.conf 檢視檔案
ctrl+p+q 退出並保持執行容器
docker export 容器ID > docker_tensorflow.tar 匯出容器 cat docker_tensorflow.tar | docker import - [image name]:[tag] 匯入容器
映象：
docker images 檢視所有映象 docker rmi -f 映象ID 刪除指定映象
docker run -d 映象ID 建立容器ID docker run -p 8080:8080 -t mxnet/env 建立並執行一個容器 docker run -dti --name tensortest tensorflow/tensorflow /bin/sh ==>建立一個容器不進入
docker save 映象ID > 映象.tar ==》儲存映象 docker save 4431ddcz7e4a > /home/docker_tensorflow.tar
docker load < 映象.tar ==》載入映象 docker load < /home/docker_tensorflow.tar
docker tag 映象ID 映象名稱 ==》起映象別名 docker tag 77146ca185 tensorflow:gpu 重新命名
docker pull 映象名
docker build -t tensorflow/tensorflow . ==>生成映象 folder(jar包和dockerfile)
【docker volume】 sudo docker volume create --name vol_simple
– sudo docker run -d -v /root/data: /root/data tensorflow/bin/bash