GitHub新项目Deepo:一键安装11项深度学习框架与环境
2017-12-19 11:13
477 查看
项目地址:https://github.com/ufoym/deepo
因为 Deepo 是一系列 Docker 镜像,所以它要求先安装 Dokcker 客户端与环境。Docker 主要是希望创建可移植软件的轻量容器,并让这些软件可以在任何安装了 Docker 的机器上运行,而不用关心底层操作系统。所以希望利用该项目安装深度学习环境的读者首先需要了解 Docker。
Deepo 是一系列 Docker 镜像,它的主要特征有:
(1)允许我们快速配置深度学习环境
(2)支持几乎所有常见的深度学习框架
(3)支持 GPU 加速(包括 CUDA 和 cuDNN), 同样在 CPU 中运行良好
(4)支持 Linux(CPU 版和 GPU 版)、OS X(CPU 版)、Windows(CPU 版)
Deepo 的 Dockerfile 生成器主要有以下特征:
(1)允许使用类似乐高那样的模块自定义环境
(2)自动解决依赖项问题
(3)可用的 Tags
(4)快速启动
GPU 版
安装
第一步:安装 Docker 和 nvidia-docker:
Docker:https://docs.docker.com/engine/installation/
nvidia-docker:https://github.com/NV
第二步:使用以下命令行从 Docker Hub 获取 一体式镜像
docker pull ufoym / deepo
用法
现在我们可以尝试使用以下命令:
nvidia - docker run -- rm ufoym / deepo nvidia - smi
这个命令应该能令 Deepo 从 Docker 容器中使用 GPU,如果该命令不起作用,那么可以在 nvidia-docker GitHub 项目中搜索 Issues 部分,上面有很多解决方案。为了获得一个和容器交互的 shell,它不会在我们推出后自动删除,我们需要键入:
nvidia - docker run - it ufoym / deepo bash
如果我们希望在主机(机器或虚拟环境)和容器间共享数据和配置,那么可以使用 -v 选项:
nvidia - docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo bash
该命令会将主机可视的 /host/data 变为容器中的/data,/host/config 作为/config。这种隔离减少了集装箱化试验重写或使用错误数据。
注意有些框架(如 PyTorch)是噢用共享内存以在进程中共享数据,所以如果使用默认的共享内存分区大小,那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。
nvidia - docker run - it -- ipc = host ufoym / deepo bash
CPU 版
安装
第一步:安装 Docker
第二步:使用以下命令行从 Docker Hub 获取 一体式镜像
docker pull ufoym / deepo : cpu
用法
现在我们能尝试使用以下命令行:
docker run - it ufoym / deepo : cpu bash
如果我们希望在主机(机器或虚拟环境)和容器间共享数据和配置,那么可以使用 -v 选项:
docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo : cpu bash
注意有些框架(如 PyTorch)是噢用共享内存以在进程中共享数据,所以如果使用默认的共享内存分区大小,那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。
docker run - it -- ipc = host ufoym / deepo : cpu bash
因为 Deepo 是一系列 Docker 镜像,所以它要求先安装 Dokcker 客户端与环境。Docker 主要是希望创建可移植软件的轻量容器,并让这些软件可以在任何安装了 Docker 的机器上运行,而不用关心底层操作系统。所以希望利用该项目安装深度学习环境的读者首先需要了解 Docker。
Deepo 是一系列 Docker 镜像,它的主要特征有:
(1)允许我们快速配置深度学习环境
(2)支持几乎所有常见的深度学习框架
(3)支持 GPU 加速(包括 CUDA 和 cuDNN), 同样在 CPU 中运行良好
(4)支持 Linux(CPU 版和 GPU 版)、OS X(CPU 版)、Windows(CPU 版)
Deepo 的 Dockerfile 生成器主要有以下特征:
(1)允许使用类似乐高那样的模块自定义环境
(2)自动解决依赖项问题
(3)可用的 Tags
(4)快速启动
GPU 版
安装
第一步:安装 Docker 和 nvidia-docker:
Docker:https://docs.docker.com/engine/installation/
nvidia-docker:https://github.com/NV
第二步:使用以下命令行从 Docker Hub 获取 一体式镜像
docker pull ufoym / deepo
用法
现在我们可以尝试使用以下命令:
nvidia - docker run -- rm ufoym / deepo nvidia - smi
这个命令应该能令 Deepo 从 Docker 容器中使用 GPU,如果该命令不起作用,那么可以在 nvidia-docker GitHub 项目中搜索 Issues 部分,上面有很多解决方案。为了获得一个和容器交互的 shell,它不会在我们推出后自动删除,我们需要键入:
nvidia - docker run - it ufoym / deepo bash
如果我们希望在主机(机器或虚拟环境)和容器间共享数据和配置,那么可以使用 -v 选项:
nvidia - docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo bash
该命令会将主机可视的 /host/data 变为容器中的/data,/host/config 作为/config。这种隔离减少了集装箱化试验重写或使用错误数据。
注意有些框架(如 PyTorch)是噢用共享内存以在进程中共享数据,所以如果使用默认的共享内存分区大小,那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。
nvidia - docker run - it -- ipc = host ufoym / deepo bash
CPU 版
安装
第一步:安装 Docker
第二步:使用以下命令行从 Docker Hub 获取 一体式镜像
docker pull ufoym / deepo : cpu
用法
现在我们能尝试使用以下命令行:
docker run - it ufoym / deepo : cpu bash
如果我们希望在主机(机器或虚拟环境)和容器间共享数据和配置,那么可以使用 -v 选项:
docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo : cpu bash
注意有些框架(如 PyTorch)是噢用共享内存以在进程中共享数据,所以如果使用默认的共享内存分区大小,那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。
docker run - it -- ipc = host ufoym / deepo : cpu bash
相关文章推荐
- GitHub新项目Deepo:一键安装11项深度学习框架与环境
- 28款GitHub最流行的开源机器学习项目,推荐GitHub上10 个开源深度学习框架
- 深度学习框架-caffe安装-环境[Mac OSX 10.12]
- 28款GitHub最流行的开源机器学习项目,推荐GitHub上10 个开源深度学习框架
- 如何在Ubuntu下安装Anaconda及搭建环境安装TensorFlow深度学习框架
- 安装 Caffe , Berkely的深度学习框架
- 深度学习---开源框架(Github)
- 深度学习框架Caffe在Mac上的安装和测试
- 18个最热深度学习Github项目逐一介绍
- 刚才安装了一下php运行环境及简单的部署了一个thinkphp的项目框架
- Win7(64位)+VS2013+cuda7.5环境下搭建深度学习Caffe计算框架
- ubuntu安装python集成环境Anaconda,并搭建tensorflow学习框架
- 深度学习框架Keras安装
- 深度学习框架Caffe教程和安装指南 Caffe Tutorial
- 深度学习入门级框架MatConvNet环境配置(Ubuntu14.04+Cuda7.5+Cudnn5+Matlab2014a)
- GitHub深度学习项目,你了解多少?
- 18个最热深度学习Github项目逐一介绍
- 安装 Caffe , Berkely的深度学习框架
- 看看数据科学家们都在用什么:Github上的十大深度学习项目
- 18个最热深度学习Github项目逐一介绍