docker pytorch

Pytorch Docker画像

ubuntu + pytorch + cuda（オプション）

要件

この画像を使用するには、Dockerエンジンをインストールする必要があります。 Dockerエンジンをセットアップするための手順は、Docker Webサイトで入手できます。

CUDA要件

CUDA互換のNVIDIAグラフィックスカードをお持ちの場合は、CUDA対応バージョンのPytorchイメージを使用して、ハードウェアアクセラレーションを有効にすることができます。 Ubuntu Linuxでこれをテストしました。

まず、適切なNVIDIAドライバーをインストールしてください。 Ubuntuでは、ドライバーの適切なバージョンを設定する最も簡単な方法は、公式のNvidia Cudaダウンロードページを介して使用する画像と同じくらい新しいバージョンのバージョンをインストールすることであることがわかりました。例として、 cuda-10.1画像を使用する場合は、CUDA 10.1またはCUDA 10.2をセットアップする場合は、正しいグラフィックスドライバーがあることを確認する必要があります。

また、Dockerコンテナ内のGPUデバイスアクセスを有効にするために、NVIDIAコンテナツールキットをインストールする必要があります。これは、nvidia/nvidia-dockerで見つけることができます。

事前に構築された画像

事前に構築された画像は、Anibali/Pytorchという名前でDocker Hubで入手できます。

たとえば、Pytorch 2.0.1およびCuda 11.8を使用して画像を引くことができます。

$ docker pull anibali/pytorch:2.0.1-cuda11.8

使用法

Pytorchスクリプトの実行

python3コマンドを使用して、コンテナ内でPytorchプログラムを実行することができます。たとえば、EntryPoint main.pyを備えたPytorchプロジェクトを含むディレクトリ内にいる場合、次のコマンドで実行できます。

docker run --rm -it --init 
  --gpus=all 
  --ipc=host 
  --user= " $( id -u ) : $( id -g ) " 
  --volume= " $PWD :/app " 
  anibali/pytorch python3 main.py

上記のDockerコマンドラインオプションの説明は次のとおりです。

• --gpus=all ：cudaを使用する場合は必要です。グラフィックカードをホストからコンテナに渡します。また、このオプションを使用してどのグラフィックカードを公開するかをより正確に制御することもできます（https://github.com/nvidia/nvidia-dockerのドキュメントを参照）。
• --ipc=host ：https://github.com/pytorch/pytorch#docker-imageで説明されているように、マルチプロセッシングを使用する場合は必要です。
• --user="$(id -u):$(id -g)" ：ユーザーとグループIDに一致するように、コンテナ内のユーザーを設定します。オプションですが、正しい所有権を持つファイルを書き込むのに役立ちます。
• --volume="$PWD:/app" ：現在の作業ディレクトリをコンテナにマウントします。コンテナ内のデフォルトの作業ディレクトリは/appです。オプション。

グラフィカルアプリケーションの実行

Linuxホストで実行されている場合、Dockerコンテナ内でコードを実行してホストXサーバーを使用してグラフィックを表示できます（これにより、OpenCVのimshowを使用できます）。ここでは、これを行うための迅速な（しかし不安定な）方法について説明します。 GUIとDockerのより包括的なガイドについては、http：//wiki.ros.org/docker/tutorials/guiをご覧ください。

ホストラン：

sudo xhost +local:root

これらのアクセス権限を後でsudo xhost -local:rootで取り消すことができます。コンテナを実行するときは、オプション-e "DISPLAY"と--volume="/tmp/.X11-unix:/tmp/.X11-unix:rw"追加してください。これにより、コンテナに通信用のX11ソケットと表示IDが提供されます。これが例です：

docker run --rm -it --init 
  --gpus=all 
  -e " DISPLAY " --volume= " /tmp/.X11-unix:/tmp/.X11-unix:rw " 
  anibali/pytorch python3 -c " import tkinter; tkinter.Tk().mainloop() "

あなた自身の画像を導き出します

画像に追加の依存関係を追加する推奨方法は、このプロジェクトのPytorch画像の1つをベースとして使用して独自のDockerFileを作成することです。

たとえば、OpenCVが必要であり、Pytorch 2.0.1を使用して作業したいとしましょう。 anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04は、追加のビルドステップを使用してOpenCVをインストールし、インストールします。

 FROM anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04

# Set up time zone.
ENV TZ=UTC
RUN sudo ln -snf /usr/share/zoneinfo/$TZ /etc/localtime

# Install system libraries required by OpenCV.
RUN sudo apt-get update 
 && sudo apt-get install -y libgl1-mesa-glx libgtk2.0-0 libsm6 libxext6 
 && sudo rm -rf /var/lib/apt/lists/*

# Install OpenCV from PyPI.
RUN pip install opencv-python==4.5.1.48

開発と貢献

dockerfiles/ directoryのDockerfilesは、 manager.pyスクリプトによって自動的に生成されますimages.ymlとtemplates/のテンプレートを使用して。

新しいDockerFileの作成方法を示すワークフローの例を示します。

1. （オプション） templates/既存のファイルがいずれも適切でない場合。
2. images.ymlに新しいエントリを作成します（例については既存のエントリを参照）。
3. python manager.pyを実行して、DockerFileを生成します。 dockerfileを含む新しいディレクトリは、 dockerfiles/に作成されます。
4. 生成されたdockerfileを構築し、それが機能することをテストします。自分で使用するための画像を作成している場合は、ここで停止できます。
5. （オプション）新しい画像が他の画像に役立つと思われる場合は、PRを提出し、公開されると見なされます。