docker pytorch

Imagem do docker pytorch

Ubuntu + pytorch + cuda (opcional)

Requisitos

Para usar esta imagem, você deve ter o mecanismo do Docker instalado. As instruções para configurar o Docker Engine estão disponíveis no site do Docker.

Requisitos de CUDA

Se você possui uma placa gráfica NVIDIA compatível com CUDA, poderá usar uma versão habilitada para CUDA da imagem Pytorch para ativar a aceleração do hardware. Eu só testei isso no Ubuntu Linux.

Em primeiro lugar, verifique se você instala os drivers NVIDIA apropriados. No Ubuntu, descobri que a maneira mais fácil de garantir que você tenha a versão certa dos drivers configurada é instalando uma versão do CUDA pelo menos tão nova quanto a imagem que você pretende usar na página oficial da NVIDIA CUDA. Como exemplo, se você pretende usar a imagem cuda-10.1 , configure o CUDA 10.1 ou o CUDA 10.2, deve garantir que você tenha os drivers de gráficos corretos.

Você também precisará instalar o NVIDIA Container Toolkit para ativar o acesso ao dispositivo GPU nos contêineres do Docker. Isso pode ser encontrado no NVIDIA/NVIDIA-DOCKER.

Imagens pré -construídas

As imagens pré -construídas estão disponíveis no Docker Hub sob o nome Anibali/Pytorch.

Por exemplo, você pode puxar uma imagem com Pytorch 2.0.1 e CUDA 11.8 usando:

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

Uso

Executando scripts pytorch

É possível executar programas Pytorch dentro de um contêiner usando o comando python3 . Por exemplo, se você estiver dentro de um diretório que contém algum projeto Pytorch com a entrada main.py , poderá executá -lo com o seguinte comando:

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

Aqui está uma descrição das opções da linha de comando do docker mostradas acima:

• --gpus=all : necessário se estiver usando CUDA, opcional de outra forma. Passa as placas gráficas do host para o contêiner. Você também pode controlar com mais precisão quais placas gráficas estão expostas usando esta opção (consulte a documentação em https://github.com/nvidia/nvidia-docker).
• --ipc=host : exigido se estiver usando multiprocessamento, conforme explicado em https://github.com/pytorch/pytorch#docker-image.
• --user="$(id -u):$(id -g)" : define o usuário dentro do contêiner para corresponder ao seu usuário e ID do grupo. Opcional, mas é útil para escrever arquivos com propriedade correta.
• --volume="$PWD:/app" : monta o diretório de trabalho atual no contêiner. O diretório de trabalho padrão dentro do contêiner é /app . Opcional.

Executando aplicativos gráficos

Se você estiver executando em um host Linux, poderá executar o código dentro do contêiner do Docker para exibir gráficos usando o servidor X do host (isso permite que você use o IMSHOW do OpenCV, por exemplo). Aqui descrevemos uma maneira rápida e suja (mas insegura) de fazer isso. Para um guia mais abrangente sobre o GUIS e o Docker, consulte http://wiki.ros.org/docker/tutorials/gui.

Na corrida do host:

sudo xhost +local:root

Você pode revogar essas permissões de acesso posteriormente com sudo xhost -local:root . Agora, quando você executa um contêiner, adicione as opções -e "DISPLAY" e --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" . Isso fornecerá ao contêiner seu soquete X11 para comunicação e seu ID de exibição. Aqui está um exemplo:

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() "

Derivando suas próprias imagens

A maneira recomendada de adicionar dependências adicionais a uma imagem é criar seu próprio dockerfile usando uma das imagens Pytorch deste projeto como base.

Por exemplo, digamos que você precisa de OpenCV e deseja trabalhar com o Pytorch 2.0.1. Você pode criar seu próprio Dockerfile usando anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04 como a imagem base e instalar o OpenCV usando etapas adicionais de construção:

 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

Desenvolvimento e contribuição

Os DockerFiles no dockerfiles/ Diretório são gerados automaticamente pelo script manager.py usando detalhes no images.yml e os modelos nos templates/ .

Aqui está um exemplo de fluxo de trabalho que ilustra como criar um novo Dockerfile.

1. (Opcional) Crie um novo arquivo de modelo em templates/ se nenhum dos existentes for apropriado.
2. Crie uma nova entrada em images.yml (consulte as entradas existentes para exemplos).
3. Gere o Dockerfile executando python manager.py . Um novo diretório que contém o Dockerfile será criado no dockerfiles/ .
4. Crie o Dockerfile gerado e teste que ele funciona. Você pode parar por aqui se estiver criando uma imagem para seu próprio uso.
5. (Opcional) Envie um PR se você acha que sua nova imagem pode ser útil para outras pessoas e será considerada para publicação.