[PYTHON] Versuchen Sie, Tensorflow auf Docker + Anaconda auszuführen

Einführung

Seit ich einen neuen PC gekauft habe, habe ich mit Docker eine Python-Umgebung erstellt und CNN ausgeführt. Da Docker fast ein Anfänger ist, werde ich diese Gelegenheit nutzen, um zu studieren.
Wie der Fluss diesmal

1. 1. Holen Sie sich das offizielle anaconda3-Bild auf Docker
2. Erstellen Sie einen Container basierend auf dem anaconda3-Image
3. 3. Tensorflow in anaconda3 einführen Vier. Öffnen Sie Jupyter Noteook in Ihrem Browser Fünf. Erhöhen Sie den Docker-Speicher
4. Erstellen Sie ein CNN mit Tensorflow Es ist geworden.

Umgebung

• MacOS Catalina version 10.15.5

• Docker version 19.03.8

1. 1. Holen Sie sich das offizielle anaconda3-Bild auf Docker

anaconda ist eine Open-Source-Plattform, die einen vollständigen Satz wesentlicher Pakete für Praktiker der Datenwissenschaft enthält. Dies ist ein offizielles Bild von anaconda3, daher bin ich dankbar, es zu verwenden.

https://hub.docker.com/r/continuumio/anaconda3/

Starten Sie jetzt Docker und erhalten Sie das Image von Anaconda3.

％ docker pull continuumio/anaconda3

Using default tag: latest
latest: Pulling from continuumio/anaconda3
68ced04f60ab: Pull complete
57047f2400d7: Pull complete
8b26dd278326: Pull complete
Digest: sha256:6502693fd278ba962af34c756ed9a9f0c3b6236a62f1e1fecb41f60c3f536d3c
Status: Downloaded newer image for continuumio/anaconda3:latest
docker.io/continuumio/anaconda3:latest

pull ist ein Befehl zum Abrufen eines Docker-Images.

2. Erstellen Sie einen Container basierend auf dem anaconda3-Image

Als nächstes erstellen wir einen Container.

% docker run --name anaconda -it -p 8888:8888 -v /Users/xxxx/docker/anaconda:/home continuumio/anaconda3 /bin/bash
(base) root@xxxx:/# conda list

Die Bedeutung jedes Befehls und jeder Option ist wie folgt.

• run: Erstellt einen Container.

• --name [name]: Legt den Namen des Containers fest.

• -it: Sie können im Container arbeiten.

• -p [Host-seitige Portnummer: Container-Portnummer]: Binden Sie den Container-Port an die Host-Seite.

• -v [Host-seitiges Verzeichnis: Container-seitiges Verzeichnis]: Host-seitiges Verzeichnis im Container Montieren
  

3. 3. Tensorflow in anaconda3 einführen

Lassen Sie uns die Pakete überprüfen, die auf anaconda3 vorinstalliert sind.

base) root@xxxx:/# conda list
# packages in environment at /opt/conda:
#
# Name                    Version                   Build  Channel
_ipyw_jlab_nb_ext_conf    0.1.0                    py37_0  
_libgcc_mutex             0.1                        main  
alabaster                 0.7.12                   py37_0  
anaconda                  2020.02                  py37_0  
anaconda-client           1.7.2                    py37_0  
anaconda-navigator        1.9.12                   py37_0  
anaconda-project          0.8.4                      py_0  
argh                      0.26.2                   py37_0  
asn1crypto                1.3.0                    py37_0  
astroid                   2.3.3                    py37_0  
astropy                   4.0              py37h7b6447c_0  
atomicwrites              1.3.0                    py37_1  
attrs                     19.3.0                     py_0  
.
.
.
yaml                      0.1.7                had09818_2  
yapf                      0.28.0                     py_0  
zeromq                    4.3.1                he6710b0_3  
zict                      1.0.0                      py_0  
zipp                      2.2.0                      py_0  
zlib                      1.2.11               h7b6447c_3  
zstd                      1.3.7                h0b5b093_0  

Der Befehl docker kann nicht verwendet werden, da er sich im anaconda3-Container befindet. Schauen Sie sich das Paket in der "Conda-Liste" an, die auf dem Anaconda-Terminal verfügbar ist.
Da bei anaconda3 von Anfang an kein Tensorflow installiert ist, verwenden Sie "conda install" Installieren Sie Tensorflow und die umgebenden Pakete.

base) root@xxxx:/# conda install tensorflow

Vier. Öffnen Sie Jupyter Notebook in Ihrem Browser

Sie können das Jupyter-Notizbuch, das Sie während Ihres Studiums geliebt haben, über Ihren Browser öffnen.

base) root@xxxx:/# jupyter notebook --port 8888 --ip=0.0.0.0 --allow-root
.
.
.
To access the notebook, open this file in a browser:
        file:///root/.local/share/jupyter/runtime/nbserver-12-open.html
    Or copy and paste one of these URLs:
        http://81127b992594:8888/?token=22ab4d7b42e6629eb76dad08af9c8e6b1d5b59e0f0050f73
     or http://127.0.0.1:8888/?token=22ab4d7b42e6629eb76dad08af9c8e6b1d5b59e0f0050f73

Fünf. Erhöhen Sie den Docker-Speicher

Standardmäßig kann Docker vor dem Erstellen eines CNN nur bis zu 2 GB Speicher verwenden. Der Versuch, mit einem CNN zu trainieren, läuft daher über. Also werde ich die Einstellung so ändern, dass sie bis zu 7G verwendet werden kann.

1. Klicken Sie oben auf dem Desktop auf das Docker-Symbol
2. Klicken Sie auf Einstellungen
3. Klicken Sie auf die Registerkarte Ressourcen
4. Stellen Sie den Speicher auf 7G ein

6. Erstellen Sie ein CNN mit Tensorflow

Schließlich werden wir das CNN bauen. Laden Sie für den Datensatz das Standard-CIFAR10 herunter und verwenden Sie eine dreischichtige Faltungsschicht, eine Adam-Methode zur Optimierung und einen Kreuzentropiefehler für die Verlustfunktion.
Ich konnte Tensorflow ohne Probleme importieren und der Speicher lief nicht über. Dies ist das Ende der Umgebungskonstruktion!

Am Ende

Ich berührte Docker mit einem leichten Gefühl, aber es war zu tief und ich war süchtig nach dem Sumpf ... Einführung von Tensorflow in anaconda3 und Öffnen von Jupyter Notebook, was für erfahrene Docker-Benutzer wahrscheinlich recht schwierig war. Es gibt keinen Verlust bei Docker, daher möchte ich es aktiv nutzen. Vorläufig konnte ich eine Umgebung erstellen, in der Tensorflow ausgeführt werden kann. Daher werde ich von nun an verschiedene vertiefte Lernmethoden in dieser Umgebung ausprobieren.