用Docker在Ubuntu下 设置一个完整的Python + TensorFlow + GPU support + jupyter notebook + Deep Learning 开发环境
2017-06-26 19:34
1186 查看
今天花了一天的时间(大部分时间花在了下载TensorFlow的docker镜像上)完成了题目所列的任务。主要参考了干货|10分钟搭建TensorFlow|Python|Docker等6大深度学习开发环境! 一文,后面简称干货。记录一下过程,经验,教训和收获。
1. 如前一篇博客所述,系统已经安装好了NVIDIA driver, CUDA, and cuDNN。
2. docker的安装按照官方教程里的Install from a package。安装非常顺利。
3. Nvidia-docker和Nvidia/CUDA按照干货一文中介绍的方法安装非常顺利。官方教程。
4. pull 最新的 TensorFlow with GPU support image花了很多时间。从官方源拉发生time out错误,改为从网易dock镜像源拉,总报错unexpected EOF。最后改为DaoCloud源,一次成功。
5. 其后按照干货文中步骤操作都非常顺利。
6. 我的一个特殊情况是服务器端没有键盘和显示器,需要能够远程访问jupyter。为了能远程访问jupyter,就需要在TensorFlow的image里安装vim,编辑jupyter_notebook_config.py文件 ,更新原来的image,最后提交结果到新的image。提交结果到新image的操作方法是:
先列出所有容器的CONTAINER ID。
找出被改变的容器的CONTAINER ID,用下面的命令提交更改image。
-m 来指定提交的信息,提交的信息一般是新image中更改了哪些内容。
-a 用来指定更改image作者,然后指定要从哪个容器ID来创建新的image副本,最后指定新image的名字REPOSITORY:TAG 。
1. 如前一篇博客所述,系统已经安装好了NVIDIA driver, CUDA, and cuDNN。
2. docker的安装按照官方教程里的Install from a package。安装非常顺利。
3. Nvidia-docker和Nvidia/CUDA按照干货一文中介绍的方法安装非常顺利。官方教程。
4. pull 最新的 TensorFlow with GPU support image花了很多时间。从官方源拉发生time out错误,改为从网易dock镜像源拉,总报错unexpected EOF。最后改为DaoCloud源,一次成功。
5. 其后按照干货文中步骤操作都非常顺利。
6. 我的一个特殊情况是服务器端没有键盘和显示器,需要能够远程访问jupyter。为了能远程访问jupyter,就需要在TensorFlow的image里安装vim,编辑jupyter_notebook_config.py文件 ,更新原来的image,最后提交结果到新的image。提交结果到新image的操作方法是:
先列出所有容器的CONTAINER ID。
sudo docker ps -a
找出被改变的容器的CONTAINER ID,用下面的命令提交更改image。
sudo docker commit -m="remote access jupyter" -a="wsc" 1573f515d9fb wsc_own/tensorflow:latest-gpu
-m 来指定提交的信息,提交的信息一般是新image中更改了哪些内容。
-a 用来指定更改image作者,然后指定要从哪个容器ID来创建新的image副本,最后指定新image的名字REPOSITORY:TAG 。
相关文章推荐
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Ubuntu+Anaconda+TensorFlow+opencv+Python +jupyter+matplotlib+pillow安装
- win7系统 深度学习环境 anaconda+tensorflow+jupyter notebook轻松搭建
- 跟我一起学python第二讲 开发工具Jupyter Notebook安装和远程访问设置
- Jupyter notebook Tensorflow GPU Memory 释放
- Docker: 使用jupyter notebook基础镜像搭建自己的 pytorch 开发环境
- Nvidia GPU + CoreOS + Docker + TensorFlow = A Fast, Flexible, Deep Learning Platform
- jupyter notebook :一个交互式计算和开发环境
- Windows7+anaconda2+python3+PyCharm+TensorFlow 环境搭建(无GPU)
- ubuntu下设置jupyter notebook
- Python开发笔记之一——安装Jupyter Notebook
- Ubuntu16.04部署python2和python3共存的Jupyter Notebook
- ubuntu14.04下CUDA8.0+cuDNN+tensorflow(with gpu support)安装教程
- Caffe学习系列(13):数据可视化环境(python接口)配置 jupyter notebook
- Windows下配置jupyter notebook的python3与R运行环境
- 解决Jupyter notebook[import tensorflow as tf]报错
- Jupyter notebook import tensorflow as tf 出错
- 分享centos+python+keras+tensorflow环境的docker镜像
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source