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 future lmdb

還有一些包我們是需要通過apt-get install來安裝的，因此必須要apt-get update 。但是由於apt源的問題，會導致apt-get update 的速度非常慢。因此需要將其換成國內源。

cp /etc/apt/sources.list /etc/apt/sources.list.bak  #備份下

rm -r /etc/apt/sources.list #刪除原本的
touch /etc/apt/sources.list #建立新的
#因為目前沒有vim命令，只能通過echo向檔案中新增
echo deb bionic main restricted universe multiverse >> /etc/apt/sources.list
echo deb bionic-updates main restricted universe multiverse multiverse >> /etc/apt/sources.list
echo deb bionic-backports main restricted universe multiverse >> /etc/apt/sources.list
echo deb bionic-security main restricted universe multiverse >> /etc/apt/sources.list
#更新apt-get update
#安裝vim 為了以後方便
apt-get install vim
apt-get install axel

axel

mv vgg19-dcbb9e9d.pth /root/.cache/torch/checkpoints/

docker images #檢視映象

docker rmi imageid #刪除映象
docker ps #檢視正在執行容器
docker ps -a #檢視所有容器
docker rm containerid #刪除容器
docker run -it imageid bash #建立乙個容器執行映象（-it 表示可互動） 可以在裡面利用pip或者conda配置環境
docker commit containerid newimage #將某容器中的環境製作成新的映象
docker push newimage #推送映象

深度學習環境配置

ubuntu 16.04 cuda 8.0 cudnn 6.0 matlab r2017a tensorflow 1.4 anaconda3 本文用於記錄深度學習的各種環境配置，中間踩了不少的坑，各版本需要一一對應，故寫下本文以備不妨之需。cuda 8 最好對應 cudnn 6，tensorflow...

深度學習環境配置

參考 tensorrt7.0的安裝配置 匯入路徑export ld library path ld library path home tensorrt 7.0.x lib 更新 source bashrc 可以選擇在anaconda下新建tensorrt虛擬環境，本次選擇新建python3.5的t...

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...