deepo
v2.0.0
โปรดทราบว่าสงครามการเรียนรู้อย่างลึกซึ้งจบลงโครงการนี้จะไม่ได้รับการดูแลอีกต่อไป
Deepo เป็นเฟรมเวิร์กแบบเปิดเพื่อรวบรวมภาพ นักเทียบท่า พิเศษสำหรับการวิจัยการเรียนรู้ลึกโดยไม่ต้องเจ็บปวด มันมี“ ชุดเลโก้” ของส่วนประกอบมาตรฐานหลายสิบชิ้นสำหรับการเตรียมเครื่องมือการเรียนรู้ลึกและกรอบการทำงานสำหรับการประกอบเข้ากับภาพนักเทียบท่าที่กำหนดเอง
ที่แกนกลางของ Deepo เป็นเครื่องกำเนิด Dockerfile ที่
นอกจากนี้เรายังเตรียมชุดภาพนักเทียบท่าที่สร้างไว้ล่วงหน้า
docker pull ufoym/deepo สำหรับผู้ใช้ในประเทศจีนที่อาจได้รับความเร็วช้าเมื่อดึงภาพจากรีจิสทรีสาธารณะนักเทียบท่าคุณสามารถดึงภาพ deepo จาก Mirror China Registry โดยการระบุเส้นทางเต็มรวมถึงรีจิสทรีในคำสั่ง Pull Docker ของคุณเช่น: ตัวอย่างเช่น
docker pull registry.docker-cn.com/ufoym/deepoตอนนี้คุณสามารถลองคำสั่งนี้:
docker run --gpus all --rm ufoym/deepo nvidia-smiสิ่งนี้ควรใช้งานได้และช่วยให้ Deepo ใช้ GPU จากภายในคอนเทนเนอร์ Docker หากสิ่งนี้ไม่ทำงานให้ค้นหาส่วนปัญหาใน Nvidia-Docker GitHub-โซลูชันจำนวนมากได้รับการบันทึกไว้แล้ว เพื่อให้ได้เปลือกแบบโต้ตอบไปยังคอนเทนเนอร์ที่จะไม่ถูกลบโดยอัตโนมัติหลังจากที่คุณออกจากทำ
docker run --gpus all -it ufoym/deepo bashหากคุณต้องการแบ่งปันข้อมูลและการกำหนดค่าระหว่างโฮสต์ (เครื่องหรือ VM) และคอนเทนเนอร์ที่คุณใช้ Deepo ให้ใช้ตัวเลือก -V เช่น
docker run --gpus all -it -v /host/data:/data -v /host/config:/config ufoym/deepo bash สิ่งนี้จะทำให้ /host/data จากโฮสต์ที่มองเห็นได้เป็น /data ในคอนเทนเนอร์และ /host/config เป็น /config การแยกดังกล่าวจะช่วยลดโอกาสในการทดลองการทดลองแบบคอนเทนเนอร์ของคุณหรือใช้ข้อมูลที่ไม่ถูกต้อง
โปรดทราบว่าเฟรมเวิร์กบางอย่าง (เช่น pytorch) ใช้หน่วยความจำที่ใช้ร่วมกันเพื่อแชร์ข้อมูลระหว่างกระบวนการดังนั้นหากการใช้การประมวลผลแบบหลายส่วนเริ่มต้นขนาดหน่วยความจำที่ใช้ร่วมกันเริ่มต้นที่ --ipc=host docker run ไม่เพียงพอและคุณควรเพิ่ม --shm-size หน่วยความจำที่ใช้ร่วมกัน
docker run --gpus all -it --ipc=host ufoym/deepo bashdocker pull ufoym/deepo:cpuตอนนี้คุณสามารถลองคำสั่งนี้:
docker run -it ufoym/deepo:cpu bashหากคุณต้องการแบ่งปันข้อมูลและการกำหนดค่าระหว่างโฮสต์ (เครื่องหรือ VM) และคอนเทนเนอร์ที่คุณใช้ Deepo ให้ใช้ตัวเลือก -V เช่น
docker run -it -v /host/data:/data -v /host/config:/config ufoym/deepo:cpu bash สิ่งนี้จะทำให้ /host/data จากโฮสต์ที่มองเห็นได้เป็น /data ในคอนเทนเนอร์และ /host/config เป็น /config การแยกดังกล่าวจะช่วยลดโอกาสในการทดลองการทดลองแบบคอนเทนเนอร์ของคุณหรือใช้ข้อมูลที่ไม่ถูกต้อง
โปรดทราบว่าเฟรมเวิร์กบางอย่าง (เช่น pytorch) ใช้หน่วยความจำที่ใช้ร่วมกันเพื่อแชร์ข้อมูลระหว่างกระบวนการดังนั้นหากการใช้การประมวลผลแบบหลายส่วนเริ่มต้นขนาดหน่วยความจำที่ใช้ร่วมกันเริ่มต้นที่ --ipc=host docker run ไม่เพียงพอและคุณควรเพิ่ม --shm-size หน่วยความจำที่ใช้ร่วมกัน
docker run -it --ipc=host ufoym/deepo:cpu bashตอนนี้คุณพร้อมที่จะเริ่มต้นการเดินทางของคุณ
$ python
> >> import tensorflow
> >> import sonnet
> >> import torch
> >> import keras
> >> import mxnet
> >> import cntk
> >> import chainer
> >> import theano
> >> import lasagne
> >> import caffe
> >> import paddle $ caffe --version
caffe version 1.0.0
$ darknet
usage: darknet <function>
โปรดทราบว่า docker pull ufoym/deepo ที่กล่าวถึงในการเริ่มต้นอย่างรวดเร็วจะให้ภาพมาตรฐานที่มีกรอบการเรียนรู้ลึกที่มีอยู่ทั้งหมด คุณสามารถปรับแต่งสภาพแวดล้อมของคุณเองได้เช่นกัน
หากคุณต้องการเฟรมเวิร์กเฉพาะมากกว่าภาพ all-in-one เพียงผนวกแท็กด้วยชื่อของเฟรมเวิร์ก ยกตัวอย่างเช่น:
docker pull ufoym/deepo:tensorflowdocker pull ufoym/deepodocker run --gpus all -it -p 8888:8888 -v /home/u:/root --ipc=host ufoym/deepo jupyter lab --no-browser --ip=0.0.0.0 --allow-root --LabApp.allow_origin= ' * ' --LabApp.root_dir= ' /root ' git clone https://github.com/ufoym/deepo.git
cd deepo/generator ตัวอย่างเช่นถ้าคุณชอบ pytorch และ lasagne แล้ว
python generate.py Dockerfile pytorch lasagneหรือกับ cuda 11.1 และ cudnn 8
python generate.py Dockerfile pytorch lasagne --cuda-ver 11.1 --cudnn-ver 8 สิ่งนี้ควรสร้าง Dockerfile ที่มีทุกอย่างสำหรับการสร้าง pytorch และ lasagne โปรดทราบว่าเครื่องกำเนิดไฟฟ้าสามารถจัดการการประมวลผลการพึ่งพาอัตโนมัติและเรียงลำดับรายการ ดังนั้นคุณไม่จำเป็นต้องกังวลเกี่ยวกับการพึ่งพาที่ขาดหายไปและลำดับรายการ
นอกจากนี้คุณยังสามารถระบุรุ่น Python:
python generate.py Dockerfile pytorch lasagne python==3.6docker build -t my/deepo .อาจใช้เวลาหลายนาทีในการรวบรวมห้องสมุดไม่กี่แห่งตั้งแต่เริ่มต้น
| - | การเรียนรู้สมัยใหม่ | DL-Docker | Jupyter-Deeleplearning | Deepo |
|---|---|---|---|---|
| Ubuntu | 16.04 | 14.04 | 14.04 | 18.04 |
| คนขี้เกียจ | x | 8.0 | 6.5-8.0 | 8.0-10.2/ไม่มี |
| คนขี้เกียจ | x | V5 | v2-5 | V7 |
| onnx | x | x | x | โอ |
| Theano | x | โอ | โอ | โอ |
| เทนเซอร์โฟลว์ | โอ | โอ | โอ | โอ |
| โคลง | x | x | x | โอ |
| pytorch | x | x | x | โอ |
| เครส | โอ | โอ | โอ | โอ |
| ลาซาก | x | โอ | โอ | โอ |
| MXNET | x | x | x | โอ |
| CNTK | x | x | x | โอ |
| ผู้เชน | x | x | x | โอ |
| คาเฟอีน | โอ | โอ | โอ | โอ |
| Caffe2 | x | x | x | โอ |
| คบเพลิง | x | โอ | โอ | โอ |
| Darknet | x | x | x | โอ |
| Paddlepaddle | x | x | x | โอ |
| - | Cuda 11.3 / Python 3.8 | CPU-only / Python 3.8 |
|---|---|---|
| ทั้งหมดในหนึ่งเดียว | latest all all-py38 py38-cu113 all-py38-cu113 | all-py38-cpu all-cpu py38-cpu cpu |
| เทนเซอร์โฟลว์ | tensorflow-py38-cu113 tensorflow-py38 tensorflow | tensorflow-py38-cpu tensorflow-cpu |
| pytorch | pytorch-py38-cu113 pytorch-py38 pytorch | pytorch-py38-cpu pytorch-cpu |
| เครส | keras-py38-cu113 keras-py38 keras | keras-py38-cpu keras-cpu |
| MXNET | mxnet-py38-cu113 mxnet-py38 mxnet | mxnet-py38-cpu mxnet-cpu |
| ผู้เชน | chainer-py38-cu113 chainer-py38 chainer | chainer-py38-cpu chainer-cpu |
| Darknet | darknet-cu113 darknet | darknet-cpu |
| Paddlepaddle | paddle-cu113 paddle | paddle-cpu |
| - | Cuda 11.3 / Python 3.6 | Cuda 11.1 / Python 3.6 | Cuda 10.1 / Python 3.6 | Cuda 10.0 / Python 3.6 | Cuda 9.0 / Python 3.6 | Cuda 9.0 / Python 2.7 | CPU-only / Python 3.6 | CPU-only / Python 2.7 |
|---|---|---|---|---|---|---|---|---|
| ทั้งหมดในหนึ่งเดียว | py36-cu113 all-py36-cu113 | py36-cu111 all-py36-cu111 | py36-cu101 all-py36-cu101 | py36-cu100 all-py36-cu100 | py36-cu90 all-py36-cu90 | all-py27-cu90 all-py27 py27-cu90 | all-py27-cpu py27-cpu ทั้งหมด | |
| All-in-One กับ Jupyter | all-jupyter-py36-cu90 | all-py27-jupyter py27-jupyter | all-py27-jupyter-cpu py27-jupyter-cpu | |||||
| Theano | theano-py36-cu113 | theano-py36-cu111 | theano-py36-cu101 | theano-py36-cu100 | theano-py36-cu90 | theano-py27-cu90 theano-py27 | theano-py27-cpu | |
| เทนเซอร์โฟลว์ | tensorflow-py36-cu113 | tensorflow-py36-cu111 | tensorflow-py36-cu101 | tensorflow-py36-cu100 | tensorflow-py36-cu90 | tensorflow-py27-cu90 tensorflow-py27 | tensorflow-py27-cpu | |
| โคลง | sonnet-py36-cu113 | sonnet-py36-cu111 | sonnet-py36-cu101 | sonnet-py36-cu100 | sonnet-py36-cu90 | sonnet-py27-cu90 sonnet-py27 | sonnet-py27-cpu | |
| pytorch | pytorch-py36-cu113 | pytorch-py36-cu111 | pytorch-py36-cu101 | pytorch-py36-cu100 | pytorch-py36-cu90 | pytorch-py27-cu90 pytorch-py27 | pytorch-py27-cpu | |
| เครส | keras-py36-cu113 | keras-py36-cu111 | keras-py36-cu101 | keras-py36-cu100 | keras-py36-cu90 | keras-py27-cu90 keras-py27 | keras-py27-cpu | |
| ลาซาก | lasagne-py36-cu113 | lasagne-py36-cu111 | lasagne-py36-cu101 | lasagne-py36-cu100 | lasagne-py36-cu90 | lasagne-py27-cu90 lasagne-py27 | lasagne-py27-cpu | |
| MXNET | mxnet-py36-cu113 | mxnet-py36-cu111 | mxnet-py36-cu101 | mxnet-py36-cu100 | mxnet-py36-cu90 | mxnet-py27-cu90 mxnet-py27 | mxnet-py27-cpu | |
| CNTK | cntk-py36-cu113 | cntk-py36-cu111 | cntk-py36-cu101 | cntk-py36-cu100 | cntk-py36-cu90 | cntk-py27-cu90 cntk-py27 | cntk-py27-cpu | |
| ผู้เชน | chainer-py36-cu113 | chainer-py36-cu111 | chainer-py36-cu101 | chainer-py36-cu100 | chainer-py36-cu90 | chainer-py27-cu90 chainer-py27 | chainer-py27-cpu | |
| คาเฟอีน | caffe-py36-cu113 | caffe-py36-cu111 | caffe-py36-cu101 | caffe-py36-cu100 | caffe-py36-cu90 | caffe-py27-cu90 caffe-py27 | caffe-py27-cpu | |
| Caffe2 | caffe2-py36-cu90 caffe2-py36 caffe2 | caffe2-py27-cu90 caffe2-py27 | caffe2-py36-cpu caffe2-cpu | caffe2-py27-cpu | ||||
| คบเพลิง | torch-cu113 | torch-cu111 | torch-cu101 | torch-cu100 | torch-cu90 | คบเพลิง torch torch-cu90 | torch-cpu | |
| Darknet | darknet-cu113 | darknet-cu111 | darknet-cu101 | darknet-cu100 | darknet-cu90 | darknet-cu90 darknet | darknet-cpu |
@misc{ming2017deepo,
author = {Ming Yang},
title = {Deepo: set up deep learning environment in a single command line.},
year = {2017},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {url{https://github.com/ufoym/deepo}}
}
เราขอขอบคุณการมีส่วนร่วมทั้งหมด หากคุณวางแผนที่จะมีส่วนร่วมในการแก้ไขข้อผิดพลาดโปรดทำโดยไม่ต้องมีการสนทนาเพิ่มเติม หากคุณวางแผนที่จะมีส่วนร่วมคุณสมบัติใหม่ฟังก์ชั่นยูทิลิตี้หรือส่วนขยายโปรดเปิดปัญหาก่อนและหารือเกี่ยวกับคุณลักษณะกับเรา
Deepo ได้รับใบอนุญาต MIT
