Réaliser la construction d'environnement pour "Deep Learning from scratch" avec docker et Vagrant
WHY
La raison pour laquelle j'ai décidé d'écrire cet article est que j'ai appris les livres suivants pendant les vacances de fin d'année et du Nouvel An, mais si je ne suis pas familier avec Python, il y a certaines parties qui restent bloquées, j'ai donc pu réduire les coûts mentaux pour créer un environnement et lire ce livre. Je me demandais si certaines personnes ne pouvaient pas le terminer.
Deep Learning from scratch-Theory et implémentation du deep learning appris avec Python
WHAT
La partie que je pensais obstruée était la visualisation de la figure. J'utilise matplotlib pour visualiser la figure, mais il y a un piège lors de la construction de l'environnement, et s'il y tient, cela peut prendre du temps pour le résoudre.
C'est là qu'intervient Docker, où tout le monde peut créer le même environnement. J'ai construit un environnement pour docker dans Vagrant et utilise docker, j'ai donc réalisé un environnement complètement indépendant de mon ordinateur personnel.
La technologie utilisée pour y parvenir est la suivante.
- Vagrant
- ansible
- docker
- ipython notebook
Ces technologies le rendent facile à transporter et à comprendre.
HOW
Comment le faire réellement.
Récupérez le code et accédez au dossier du code
git clone https://github.com/SnowMasaya/deep-learning-excerise.git
cd {Dossier téléchargé}
Lancez Vagrant Si vous utilisez déjà Vagrant, assurez-vous que votre adresse IP est unique.
Modifiez la partie suivante du fichier Vagrantfile.
config.vm.network "private_network", ip: "{Adresse IP à modifier}"
vagrant up
Environnement
ansible-playbook -i provisioning/hosts provisioning/site.yml
Obtenir l'image Docker
docker pull masayaresearch/deep-learning-scratch-excerise
Démarrez Docker et accédez à Docker
docker run -p 8888:8888 -it masayaresearch/deep-learning-scratch-excerise bash
Lancez iPython Notebook
ipython notebook --no-browser --port 8888 --ip=*
Accéder au navigateur
http://192.168.33.25:8888
Lorsque l'écran ci-dessous apparaît, vous pouvez voir que vous pouvez accéder au notebook ipython.
Veuillez vous référer à deep-learning-1.ipynb car il dessine réellement l'image.
code
github
https://github.com/SnowMasaya/deep-learning-excerise/blob/master/docker/python/deep-learning-1.ipynb
Docker hub
masayaresearch/deep-learning-scratch-excerise
référence
https://github.com/oreilly-japan/deep-learning-from-scratch