使用Docker来部署一个Tensorflow + Jupyter环境

2019年5月7日 197次阅读 来源: 治部少辅

开始使用Docker部署之后，感觉相见恨晚。我现在开始尽量将之前应用的服务都改成以docker方式部署。这篇文章的讲的是如何用Docker来搭建一个Tensorflow + Jupyter。以及，如何对容器进行改造的问题。

Prerequisite

你需要安装好docker的环境。具体的方法参见安装Docker。

安装Tensorflow + Jupyter

安装nvidia-docker

nvidia-docker是面向Docker引擎的NVDIA GPU工具，这里列出在Ubuntu 64bit上的安装方法：

# If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers
docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker

# Add the package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
  sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/nvidia-docker.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

# Install nvidia-docker2 and reload the Docker daemon configuration
sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

# Test nvidia-smi with the latest official CUDA image
docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi

安装和运行tensorflow镜像

Tensorflow拥有官方镜像tensorflow/tensorflow，官方文档给出的运行命令是

$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu

了解Docker运行方式的朋友应该知道Docker是为了一个单一主进程而生的，tensorflow本身是一个开发环境和工具，但是却不是一个独立进程。事实上这个镜像的主进程是Jupyter。在运行上述命令后，你可以在http://your_ip:8888处访问Jupyter。不过光靠这个命令还不太适宜实际的运行环境。存在如下的几个问题：

  • 这个命令以-it方式运行，会在terminal退出以后中断进程。我们在实际使用时，一般希望其作为daemon进程一直运行下去
  • 没有挂载数据卷，将来想要上传数据比较麻烦
  • Jupyter使用token方式访问，没有指定密码

所以我在部署自己的tensorflow业务时，会采用下面形式的命令

nvidia-docker run -e PASSWORD=your_jupyter_passwd \ # set password
    -d \  # run as daemon
    -p 8888:8888 \ # port binding
    --name tensorflow \
    -v /data/dir/on/host/:/data/ \ # bind data volume
    tensorflow/tensorflow:latest-gpu

如果我们想把数据卷以只读方式绑定到容器内，-v后的参数修改为/data/dir/on/host/:/data/:ro。这样，可以保证容器在运行过程中，不会因为误操作或者其他原因导致数据损坏。

进一步定制(Optional)

在使用这个tensorflow镜像的过程中，你可能会需要做如下的改进：

修改Jupyter默认启动的terminal所使用的shell

在前面我们提到过了，这里我们使用的镜像的主进程是Jupyter，事实上，docker在从此镜像启动容器的过程中，实际使用的是可以在容器中找到的/run_jupyter.sh脚本。想要修改Jupyter默认启动terminal所使用的shell，最简单的方法是在此脚本中设置SHELL环境变量。通过Jupyter启动terminal或者是docker exec -it tensorflow bash的方法进入容器，然后编辑/run_jupyter.sh，在jupyer notebook "$@"之前添加

export SHELL=/bin/bash

这里使用了bash，如果你想要使用其他的shell，可以替换成其他的值。修改完成后，通过docker container restart tensorflow重启容器来应用更改。

使用Anaconda

Anaconda是非常流行的用于Data Science的Python“工具包”。如何在Jupyer中创建基于Anaconda的Python程序呢？其实突破口还是在/run_jupyter.sh这个文件上。首先在容器内安装Anaconda，然后编辑/run_jupyter.sh文件，将

jupyter notebook "$@"

修改为

/path/to/anaconda/bin/jupyter notebook "$@"

修改完成后重启容器。

    原文作者：治部少辅
    原文地址: https://www.jianshu.com/p/fce000cf4c0f
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞