PaddlePaddle的Docker容器使用方式¶
PaddlePaddle目前唯一官方支持的运行的方式是Docker容器。因为Docker能在所有主要操作系统(包括Linux,Mac OS X和Windows)上运行。 请注意,您需要更改 Dockers设置 才能充分利用Mac OS X和Windows上的硬件资源。
PaddlePaddle发布的docker镜像使用说明¶
对于每一个PaddlePaddle版本,我们都会发布两种Docker镜像:开发镜像、运行镜像。运行镜像包括纯CPU版本和GPU版本以及其对应的非AVX版本。
我们会在 dockerhub.com 提供最新的docker镜像,可以在”tags”标签下找到最新的Paddle镜像版本。
1. 开发镜像:paddlepaddle/paddle:<version>-dev
这个镜像包含了Paddle相关的开发工具以及编译和运行环境。用户可以使用开发镜像代替配置本地环境,完成开发,编译,发布, 文档编写等工作。由于不同的Paddle的版本可能需要不同的依赖和工具,所以如果需要自行配置开发环境需要考虑版本的因素。 开发镜像包含了以下工具: - gcc/clang - nvcc - Python - sphinx - woboq - sshd 很多开发者会使用远程的安装有GPU的服务器工作,用户可以使用ssh登录到这台服务器上并执行 :code:`docker exec`进入开发镜像并开始工作, 也可以在开发镜像中启动一个SSHD服务,方便开发者直接登录到镜像中进行开发:
以交互容器方式运行开发镜像:
docker run -it --rm paddledev/paddle:<version>-dev /bin/bash或者,可以以后台进程方式运行容器:
docker run -d -p 2202:22 -p 8888:8888 paddledev/paddle:<version>-dev然后用密码
rootSSH进入容器:ssh -p 2202 root@localhostSSH方式的一个优点是我们可以从多个终端进入容器。比如,一个终端运行vi,另一个终端运行Python。另一个好处是我们可以把PaddlePaddle容器运行在远程服务器上,并在笔记本上通过SSH与其连接。
- 运行镜像:根据CPU、GPU和非AVX区分了如下4个镜像:
- GPU/AVX:
paddlepaddle/paddle:<version>-gpu - GPU/no-AVX:
paddlepaddle/paddle:<version>-gpu-noavx - CPU/AVX:
paddlepaddle/paddle:<version> - CPU/no-AVX:
paddlepaddle/paddle:<version>-noavx
纯CPU镜像以及GPU镜像都会用到AVX指令集,但是2008年之前生产的旧电脑不支持AVX。以下指令能检查Linux电脑是否支持AVX:
if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi
如果输出是No,就需要选择使用no-AVX的镜像
以上方法在GPU镜像里也能用,只是请不要忘记提前在物理机上安装GPU最新驱动。 为了保证GPU驱动能够在镜像里面正常运行,我们推荐使用[nvidia-docker](https://github.com/NVIDIA/nvidia-docker)来运行镜像。
nvidia-docker run -it --rm paddledev/paddle:0.10.0rc1-gpu /bin/bash
注意: 如果使用nvidia-docker存在问题,你也许可以尝试更老的方法,具体如下,但是我们并不推荐这种方法。:
export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') $(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')" export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}') docker run ${CUDA_SO} ${DEVICES} -it paddledev/paddle:<version>-gpu
- GPU/AVX:
- 使用运行镜像发布你的AI程序
假设您已经完成了一个AI训练的python程序
a.py,这个程序是您在开发机上使用开发镜像完成开发。此时您可以运行这个命令在开发机上进行测试运行:docker run -it -v $PWD:/work paddle /work/a.py这里`a.py`包含的所有依赖假设都可以在Paddle的运行容器中。如果需要包含更多的依赖、或者需要发布您的应用的镜像,可以编写`Dockerfile`使用`FROM paddledev/paddle:<version>` 创建和发布自己的AI程序镜像。
运行PaddlePaddle书籍¶
Jupyter Notebook是一个开源的web程序,大家可以通过它制作和分享带有代码、公式、图表、文字的交互式文档。用户可以通过网页浏览文档。
PaddlePaddle书籍是为用户和开发者制作的一个交互式的Jupyter Nodebook。 如果您想要更深入了解deep learning,PaddlePaddle书籍一定是您最好的选择。
我们提供可以直接运行PaddlePaddle书籍的docker镜像,直接运行:
docker run -p 8888:8888 paddlepaddle/book
然后在浏览器中输入以下网址:
http://localhost:8888/
就这么简单,享受您的旅程!
通过Docker容器开发PaddlePaddle¶
开发人员可以在Docker开发镜像中开发PaddlePaddle。这样开发人员可以以一致的方式在不同的平台上工作 - Linux,Mac OS X和Windows。
构建开发镜像
git clone --recursive https://github.com/PaddlePaddle/Paddle cd Paddle docker build -t paddle:dev .请注意,默认情况下,
docker build不会将源码导入到镜像中并编译它。如果我们想这样做,需要构建完开发镜像,然后执行:docker run -v $PWD:/paddle -e "WITH_GPU=OFF" -e "WITH_AVX=ON" -e "TEST=OFF" paddle:dev
运行开发环境
当我们编译好了
paddle:dev, 我们可以在docker容器里做开发,源代码可以通过挂载本地文件来被载入Docker的开发环境里面:docker run -d -p 2202:22 -v $PWD:/paddle paddle:dev sshd
以上代码会启动一个带有PaddlePaddle开发环境的docker容器,源代码会被挂载到
/paddle。以上的
docker run命令其实会启动一个在2202端口监听的SSHD服务器。这样,我们就能SSH进入我们的开发容器了:ssh root@localhost -p 2202在Docker开发环境中编译与安装PaddlPaddle代码
当在容器里面的时候,可以用脚本
paddle/scripts/docker/build.sh来编译、安装与测试PaddlePaddle:/paddle/paddle/scripts/docker/build.sh
以上指令会在
/paddle/build中编译PaddlePaddle。通过以下指令可以运行单元测试:cd /paddle/build ctest
文档¶
Paddle的Docker开发镜像带有一个通过 woboq code browser 生成的HTML版本的C++源代码,便于用户浏览C++源码。
只要在Docker里启动PaddlePaddle的时候给它一个名字,就可以再运行另一个Nginx Docker镜像来服务HTML代码:
docker run -d --name paddle-cpu-doc paddle:<version>-dev
docker run -d --volumes-from paddle-cpu-doc -p 8088:80 nginx
接着我们就能够打开浏览器在 http://localhost:8088/paddle/ 浏览代码。
