Essayez d'exécuter tensorflow sur Docker + anaconda

introduction

Depuis que j'ai acheté un nouveau PC, j'ai utilisé Docker pour créer un environnement python et exécuter CNN. Puisque Docker est presque un débutant, je profiterai de cette occasion pour étudier.
Comme le flux cette fois

1. 1. Obtenez l'image officielle anaconda3 sur Docker
2. Créer un conteneur basé sur l'image anaconda3
3. 3. Introduire tensorflow à anaconda3 Quatre. Ouvrez Jupyter Noteook depuis votre navigateur Cinq. Augmenter la mémoire Docker
4. Construire un CNN en utilisant tensorflow Il est devenu.

environnement

• MacOS Catalina version 10.15.5

• Docker version 19.03.8

1. 1. Obtenez l'image officielle anaconda3 sur Docker

anaconda est une plate-forme open source avec un ensemble complet de packages essentiels pour les praticiens de la science des données. Ceci est une image officielle d'anaconda3, je suis donc reconnaissant de l'utiliser.

https://hub.docker.com/r/continuumio/anaconda3/

Maintenant, démarrez Docker et obtenez l'image d'Anaconda3.

％ docker pull continuumio/anaconda3

Using default tag: latest
latest: Pulling from continuumio/anaconda3
68ced04f60ab: Pull complete
57047f2400d7: Pull complete
8b26dd278326: Pull complete
Digest: sha256:6502693fd278ba962af34c756ed9a9f0c3b6236a62f1e1fecb41f60c3f536d3c
Status: Downloaded newer image for continuumio/anaconda3:latest
docker.io/continuumio/anaconda3:latest

pull est une commande pour obtenir une image Docker.

2. Créer un conteneur basé sur l'image anaconda3

Ensuite, nous allons créer un conteneur.

% docker run --name anaconda -it -p 8888:8888 -v /Users/xxxx/docker/anaconda:/home continuumio/anaconda3 /bin/bash
(base) root@xxxx:/# conda list

La signification de chaque commande et option est la suivante.

• run: crée un conteneur.

• --name [nom]: Définit le nom du conteneur.

• -it: Vous pouvez opérer à l'intérieur du conteneur.

• -p [numéro de port côté hôte: numéro de port du conteneur]: lie le port du conteneur au côté hôte.

• -v [Répertoire côté hôte: répertoire côté conteneur]: répertoire côté hôte dans le conteneur Monter
  

3. 3. Introduire tensorflow à anaconda3

Vérifions les packages préinstallés sur anaconda3.

base) root@xxxx:/# conda list
# packages in environment at /opt/conda:
#
# Name                    Version                   Build  Channel
_ipyw_jlab_nb_ext_conf    0.1.0                    py37_0  
_libgcc_mutex             0.1                        main  
alabaster                 0.7.12                   py37_0  
anaconda                  2020.02                  py37_0  
anaconda-client           1.7.2                    py37_0  
anaconda-navigator        1.9.12                   py37_0  
anaconda-project          0.8.4                      py_0  
argh                      0.26.2                   py37_0  
asn1crypto                1.3.0                    py37_0  
astroid                   2.3.3                    py37_0  
astropy                   4.0              py37h7b6447c_0  
atomicwrites              1.3.0                    py37_1  
attrs                     19.3.0                     py_0  
.
.
.
yaml                      0.1.7                had09818_2  
yapf                      0.28.0                     py_0  
zeromq                    4.3.1                he6710b0_3  
zict                      1.0.0                      py_0  
zipp                      2.2.0                      py_0  
zlib                      1.2.11               h7b6447c_3  
zstd                      1.3.7                h0b5b093_0  

La commande docker ne peut pas être utilisée car elle se trouve dans le conteneur anaconda3. Regardez le paquet dans la liste conda disponible sur le terminal anaconda.
Comme anaconda3 n'a pas installé tensorflow depuis le début, utilisez conda install Installez tensorflow et ses packages environnants.

base) root@xxxx:/# conda install tensorflow

Quatre. Ouvrez Jupyter Notebook à partir de votre navigateur

Vous pouvez ouvrir le bloc-notes Jupyter que vous utilisiez lorsque vous étiez à l'université à partir de votre navigateur.

base) root@xxxx:/# jupyter notebook --port 8888 --ip=0.0.0.0 --allow-root
.
.
.
To access the notebook, open this file in a browser:
        file:///root/.local/share/jupyter/runtime/nbserver-12-open.html
    Or copy and paste one of these URLs:
        http://81127b992594:8888/?token=22ab4d7b42e6629eb76dad08af9c8e6b1d5b59e0f0050f73
     or http://127.0.0.1:8888/?token=22ab4d7b42e6629eb76dad08af9c8e6b1d5b59e0f0050f73

Cinq. Augmenter la mémoire Docker

Par défaut, Docker ne peut utiliser que 2 Go de mémoire avant de créer un CNN, donc essayer de s'entraîner avec un CNN débordera. Je vais donc modifier le paramètre pour qu'il puisse être utilisé jusqu'à 7G.

1. Cliquez sur l'icône Docker en haut du bureau
2. Cliquez sur Préférence
3. Cliquez sur l'onglet Ressources
4. Réglez la mémoire sur 7G

6. Construire un CNN en utilisant tensorflow

Enfin, nous allons construire le CNN. Pour l'ensemble de données, téléchargez le CIFAR10 standard et utilisez une couche de convolution à trois couches, une méthode d'optimisation adam et une erreur d'entropie croisée pour la fonction de perte.
J'ai pu importer tensorflow sans aucun problème, et la mémoire n'a pas débordé, c'est donc la fin de la construction de l'environnement!

À la fin

J'ai touché Docker avec une sensation légère, mais c'était trop profond et j'étais accro au marais ... Présentation de tensorflow à anaconda3 et ouverture de Jupyter Notebook, ce qui était probablement assez difficile pour les utilisateurs expérimentés de Docker. Il n'y a pas de perte à faire Docker, je voudrais donc l'utiliser activement. Pour le moment, j'ai pu créer un environnement capable d'exécuter tensorflow, je vais donc essayer divers deep learning dans cet environnement à partir de maintenant.