docker搭建深度学习炼丹炉
什么场景下需要？
在深度学习的炼丹过程中，业界普遍使用的TensorFlow和Pytorch往往需要通过NVIDIA的GPU进行模型训练的加速。其并行加速最重要的依赖是NVIDIA开发的cuda-toolkit软件包
学术界paper对应代码中依赖的TensorFlow和Pytorch的版本和其所依赖往往错综复杂，Anaconda的虚拟环境虽然能解决TensorFlow和Pytorch版本不同的问题，却不能方便解决cuda-toolkit版本不同的问题，如果多篇论文复现或实现所依赖的cuda-toolkit的版本有冲突，往往需要重装系统，费时费力。
本文通过docker在Ubuntu等Linux上搭建深度学习炼丹炉的方法，能好的解决以上问题，让科研工作者把时间投入更重要的算法和模型优化上。
原理
用户只要在Linux系统中安装好显卡驱动，不需要安装cuda-toolkit，cuda-toolkit、TensorFlow和Pytorch都在docker容器中
docker炼丹炉的原理架构图
系统要求
gpu版本的docker炼丹炉支持以下OS，基本上只支持Linux
docker安装
脚本安装方法
curl -fsSL get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
复制代码启动docker
sudo systemctl enable docker
sudo systemctl start docker
复制代码建立 docker 用户组
默认情况下，docker 命令会使用 Unix socket 与 Docker 引擎通讯。而只有 root 用户和 docker 组的用户才可以访问 Docker 引擎的 Unix socket。出于安全考虑，一般 Linux 系统上不会直接使用 root 用户。因此，更好地做法是将需要使用 docker 的用户加入 docker 用户组。
建立 docker 组：
sudo groupadd docker
复制代码将当前用户加入 docker 组：
sudo usermod -aG docker ${USER}
复制代码sudo systemctl restart docker
su root
su ${USER}
复制代码测试 Docker 是否安装正确
docker run --rm hello-world
复制代码镜像加速
NVIDIA Container Toolkit
NVIDIA容器架构, windows用户不支持
Ubuntu安装
Setup the stable repository and the GPG key:
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
复制代码Install the nvidia-docker2 package (and dependencies) after updating the package listing:
sudo apt-get update
复制代码sudo apt-get install -y nvidia-docker2
复制代码/etc/docker/daemon.json需要出现以下内容
设置默认的runtime为nvidia
{
"default-runtime": "nvidia",
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"runtimeArgs": []
}
}
}
复制代码Restart the Docker daemon to complete the installation after setting the default runtime:
sudo systemctl restart docker
复制代码At this point, a working setup can be tested by running a base CUDA container:
sudo docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
复制代码tensorflow-docker
TensorFlow安装
dockerhub中有各种版本的tensorflow，复现代码时只要选择对应的版本后docker pull就行
其他依赖安装
新建一个Dockerfile， 把类似OpenCV等其他依赖写到Dockerfile里面，docker build镜像之后便可使用
FROM tensorflow/tensorflow:1.4.0-gpu-py3
RUN pip install Keras==2.1.2 \
&& pip install numpy==1.13.3 \
&& pip install opencv-python==3.3.0.10 \
&& pip install h5py==2.7.1
RUN apt-get update \
&& apt-get install -y libsm6 \
&& apt-get install -y libxrender1 \
&& apt-get install -y libxext-dev
复制代码Dockerfile如果包含apt等从国外源中安装依赖的命令，其过程会很慢甚至会卡住，其解决方案可以是挂载代理（挖坑后续文章）或使用阿里云镜像服务的海外机器进行构建（挖坑后续文章）
docker build -t dockerImageName:version .
复制代码pytorch-docker
pytorch和TensorFlow类似
pycharm调试docker和运行docker
设置Python环境镜像
设置run debug configuration
--entrypoint -v /home/tml/vansin/paper/pix2code:/opt/project --rm
复制代码以上的配置为挂载本地的文夹到docker目录，让训练好的数据保存在本地，而不是docker中
打断点之后可以进行debug