หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

Pytorch Docker Image

Ubuntu + Pytorch + Cuda (ไม่บังคับ)

ความต้องการ

ในการใช้ภาพนี้คุณต้องติดตั้งเครื่องยนต์ Docker คำแนะนำสำหรับการตั้งค่า Docker Engine มีอยู่ในเว็บไซต์ Docker

ข้อกำหนดของ CUDA

หากคุณมีการ์ดกราฟิก NVIDIA ที่เข้ากันได้กับ CUDA คุณสามารถใช้ภาพ Pytorch เวอร์ชัน CUDA เพื่อเปิดใช้งานการเร่งความเร็วฮาร์ดแวร์ ฉันได้ทดสอบสิ่งนี้ใน Ubuntu Linux เท่านั้น

ประการแรกให้แน่ใจว่าคุณติดตั้งไดรเวอร์ Nvidia ที่เหมาะสม ใน Ubuntu ฉันพบว่าวิธีที่ง่ายที่สุดในการทำให้มั่นใจว่าคุณมีรุ่นที่ถูกต้องของไดรเวอร์ที่ตั้งค่าคือการติดตั้ง Cuda เวอร์ชัน ใหม่อย่างน้อยเป็นภาพที่คุณตั้งใจจะใช้ ผ่านหน้าดาวน์โหลด Nvidia Cuda อย่างเป็นทางการ ตัวอย่างเช่นหากคุณตั้งใจจะใช้ภาพ cuda-10.1 การตั้งค่า CUDA 10.1 หรือ CUDA 10.2 ควรตรวจสอบให้แน่ใจว่าคุณมีไดรเวอร์กราฟิกที่ถูกต้อง

คุณจะต้องติดตั้งชุดเครื่องมือคอนเทนเนอร์ NVIDIA เพื่อเปิดใช้งานการเข้าถึงอุปกรณ์ GPU ภายในคอนเทนเนอร์ Docker สามารถพบได้ที่ Nvidia/Nvidia-Docker

ภาพที่สร้างไว้ล่วงหน้า

รูปภาพ prebuilt มีอยู่ใน Docker Hub ภายใต้ชื่อ Anibali/Pytorch

ตัวอย่างเช่นคุณสามารถดึงภาพด้วย Pytorch 2.0.1 และ Cuda 11.8 โดยใช้: 

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

การใช้งาน

ใช้สคริปต์ Pytorch

เป็นไปได้ที่จะเรียกใช้โปรแกรม Pytorch ภายในคอนเทนเนอร์โดยใช้คำสั่ง python3 ตัวอย่างเช่นหากคุณอยู่ในไดเรกทอรีที่มีโครงการ pytorch บางส่วนด้วย entrypoint main.py คุณสามารถเรียกใช้ด้วยคำสั่งต่อไปนี้: 

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

นี่คือคำอธิบายของตัวเลือกบรรทัดคำสั่ง Docker ที่แสดงด้านบน:

  • --gpus=all : จำเป็นถ้าใช้ cuda เป็นทางเลือกเป็นอย่างอื่น ผ่านกราฟิกการ์ดจากโฮสต์ไปยังคอนเทนเนอร์ นอกจากนี้คุณยังสามารถควบคุมได้อย่างแม่นยำยิ่งขึ้นว่าการ์ดกราฟิกใดที่เปิดเผยโดยใช้ตัวเลือกนี้ (ดูเอกสารที่ https://github.com/nvidia/nvidia-docker)
  • --ipc=host : จำเป็นหากใช้การประมวลผลแบบหลายโปรเจนต์ตามที่อธิบายไว้ที่ https://github.com/pytorch/pytorch#docker-image
  • --user="$(id -u):$(id -g)" : ตั้งค่าผู้ใช้ภายในคอนเทนเนอร์เพื่อให้ตรงกับผู้ใช้และ ID กลุ่มของคุณ เป็นทางเลือก แต่มีประโยชน์สำหรับการเขียนไฟล์ที่มีความเป็นเจ้าของที่ถูกต้อง
  • --volume="$PWD:/app" : ติดตั้งไดเรกทอรีการทำงานปัจจุบันลงในคอนเทนเนอร์ ไดเรกทอรีการทำงานเริ่มต้นภายในคอนเทนเนอร์คือ /app ไม่จำเป็น.

ใช้แอปพลิเคชันกราฟิก

หากคุณใช้งานบนโฮสต์ Linux คุณสามารถใช้รหัสที่ทำงานภายในคอนเทนเนอร์ Docker เพื่อแสดงกราฟิกโดยใช้เซิร์ฟเวอร์โฮสต์ X (ซึ่งจะช่วยให้คุณใช้ IMShow ของ OpenCV) ที่นี่เราอธิบายวิธีที่รวดเร็วและสกปรก (แต่ไม่ปลอดภัย) ในการทำสิ่งนี้ สำหรับคู่มือที่ครอบคลุมมากขึ้นเกี่ยวกับ GUIS และ Docker ตรวจสอบ http://wiki.ros.org/docker/tutorials/gui

บนโฮสต์รัน: 

sudo xhost +local:root

คุณสามารถเพิกถอนสิทธิ์การเข้าถึงเหล่านี้ในภายหลังด้วย sudo xhost -local:root ตอนนี้เมื่อคุณเรียกใช้คอนเทนเนอร์ตรวจสอบให้แน่ใจว่าคุณเพิ่มตัวเลือก -e "DISPLAY" และ --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" สิ่งนี้จะช่วยให้คอนเทนเนอร์มีซ็อกเก็ต X11 ของคุณสำหรับการสื่อสารและ ID การแสดงผลของคุณ นี่คือตัวอย่าง: 

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() "

ได้รับภาพของคุณเอง

วิธีที่แนะนำในการเพิ่มการพึ่งพาเพิ่มเติมให้กับรูปภาพคือการสร้าง Dockerfile ของคุณเองโดยใช้หนึ่งในภาพ pytorch จากโครงการนี้เป็นฐาน

ตัวอย่างเช่นสมมติว่าคุณต้องการ OpenCV และต้องการทำงานกับ Pytorch 2.0.1 คุณสามารถสร้าง DockerFile ของคุณเองโดยใช้ anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04 เป็นภาพพื้นฐานและติดตั้ง OpenCV โดยใช้ขั้นตอนการสร้างเพิ่มเติม: 

 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

การพัฒนาและมีส่วนร่วม

DockerFiles ใน dockerfiles/ Directory จะถูกสร้างขึ้นโดยอัตโนมัติโดยสคริปต์ manager.py โดยใช้รายละเอียดใน images.yml และเทมเพลตใน templates/

นี่คือตัวอย่างเวิร์กโฟลว์ที่แสดงวิธีสร้าง DockerFile ใหม่

  1. (ไม่บังคับ) สร้างไฟล์เทมเพลตใหม่ใน templates/ หากไม่มีไฟล์ที่มีอยู่ที่เหมาะสม
  2. สร้างรายการใหม่ใน images.yml (ดูรายการที่มีอยู่สำหรับตัวอย่าง)
  3. สร้าง DockerFile โดยใช้ python manager.py ไดเรกทอรีใหม่ที่มี DockerFile จะถูกสร้างขึ้นใน dockerfiles/
  4. สร้าง Dockerfile ที่สร้างขึ้นและทดสอบว่าใช้งานได้ คุณสามารถหยุดที่นี่ได้หากคุณกำลังสร้างภาพเพื่อการใช้งานของคุณเอง
  5. (ไม่บังคับ) ส่ง PR หากคุณคิดว่าภาพใหม่ของคุณอาจเป็นประโยชน์สำหรับผู้อื่นและจะได้รับการพิจารณาสำหรับการตีพิมพ์
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด