Ubuntu 16.04 安裝深度學習環境 GPU 加速版

深度學習環境搭建起來比較麻煩，特別是 GPU 加速版。既要安裝 Nvidia 的驅動，又要安裝 cuda 和 cuDNN 。本文通過 docker 容器技術搭建基於keras (tensorflow) 的深度學習環境。

Docker 是一種容器技術，將你要運行的任何環境只通過幾行命令就可以搭建完成。而 Docker 中除了用普通的 docker pull 方式直接拉去現成的深度學習鏡像來搭建深學環境外，還可以通過用 Dockerfile 來完成這一任務。

經過筆者的不（jian）懈（chi）努（cai）力（keng），一個完整的經過測試的深度學習 Dockerfile 見以下鏈接：

https://github.com/zhudaoruyi/deep-learning-gpu-env

從 GitHub 上 clone 完后，（記住給個 Star ）進入到 Dockerfile 所在的目錄。

Dockerfile 構建鏡像的方法

docker build -t name:tag .

運行該鏡像的方法gpu加速)運行該鏡像的方法(GPU加速)

nvidia-docker run -d -p 8888:8888 --name test -v /home/pzw:/home/workspace 鏡像ID
nvidia-docker exec -it 容器ID

保存該鏡像的方法)保存該鏡像的方法

docker save -o 鏡像名稱

保存該容器的方法

docker export -o 容器名稱

---

nvidia-docker 的安裝

參考 https://github.com/zhudaoruyi/nvidia-docker

注意：安裝 nvidia-docker 之前先安裝好 docker

為了確認 nvidia-docker 是否安裝成功，運行

nvidia-docker run --rm nvidia/cuda nvidia-smi

如果正確輸出了本機的 GPU 信息，則安裝成功。
例如：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.48                 Driver Version: 367.48                    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla M40 24GB      Off  | 0000:02:00.0     Off |                    0 |
| N/A   33C    P0    57W / 250W |  22427MiB / 22939MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  Tesla M40 24GB      Off  | 0000:82:00.0     Off |                    0 |
| N/A   37C    P0    58W / 250W |  21663MiB / 22939MiB |      0%      Default |
+-------------------------------+----------------------+---------------------