jupyterlab-tensorflow-gpu-anaconda容器安裝及cuda 與cudnn的關系

對於版本號大於1.13的tensorflow-gpu版本，如1.14、1.15和2.0，要安裝CUDA10.0，不要安裝最新的CUDA10.1，安裝后會提示缺少很多庫文件，而導致GPU版本的tensorflow無法使用。

CUdnn與CUDA的對應關系

NVIDIA官網鏈接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前為止（2019年11月2日），最新的cuDNN版本號是7.6.3，7.5和7.6的cuDNN都支持CUDA10.1，7.4只能支持到CUDA10.0，一般如果安裝的CUDA10.0的話，cuDNN7.4是可以的

檢驗tensorflow-gpu安裝成功

import  tensorflow as tf 
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))

如果出現錯誤

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory

##那么在終端輸入以下命令(未測試）：

sudo ldconfig /usr/local/cuda-10.0/lib64

nvidia-cuda 鏡像地址
https://hub.docker.com/r/nvidia/cuda/tags?page=4

anaconda python 版本對應關系

jupyter lab 支持gpu

##docker 拉取鏡像
docker  pull nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04

##在容器內操作：nvidia-docker  run -it --rm   -p 3333:8888  nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04  /bin/sh 
apt update 
apt  install  wget  #獲取anaconda 
apt  install  bzip2  #安裝anaconda 
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh  #默認保存在/路徑下

chmod  +x Anaconda3-5.2.0-Linux-x86_64.sh

./Anaconda3-5.2.0-Linux-x86_64.sh -b    #不提示直接默認安裝  python3.6 
export PATH=/root/anaconda3/bin:$PATH   #指定路徑，需要在dockerfile 中定義，在容器內定義后commit 容器后會失效
pip  install tensorflow-gpu==1.11.0   -i   https://pypi.tuna.tsinghua.edu.cn/simple 
pip  install jupyterlab   #pip install jupyterlab   https://jupyterlab.readthedocs.io/en/stable/getting_started/installation.html
pip  install  msgpack  #安裝以上后會報缺少此包



##執行后commit  容器，以此容器為基礎構建
##dockerfile 
FROM  nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04-python3-jupyterlab 
ENV   PATH   /root/anaconda3/bin:$PATH
RUN  echo  'import subprocess\nimport sys\nsubprocess.call("cd /", shell=True)\nsubprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root  --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)'  >>/python_service.py
CMD ["python3","/python_service.py"]


##
執行啟動jupyterlab 的腳本
python_service.py
import subprocess
import sys
subprocess.call("cd /", shell=True)
subprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root  --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)



##手動執行的jupyter lab 
jupyter lab --ip=0.0.0.0 --no-browser --allow-root  --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home
##容器外執行
nvidia-docker run  -d --rm  -p 3333:8888  ademord/jupyterlab-gpu   /bin/bash -c  "jupyter notebook --notebook-dir=/tf --ip 0.0.0.0 --no-browser --allow-root  --NotebookApp.token='jupyterAdmin' "

gpu-tensflow-jupyter dockerfile

FROM  nvidia/cuda:9.0-cudnn7-runtime-ubuntu16.04
ENV   PATH  /root/anaconda3/bin:$PATH
RUN   apt update   &&  apt  install  wget  && apt  install  bzip2   &&  cd  /    \
      &&  wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh   \
      &&  chmod  +x  /Anaconda3-5.2.0-Linux-x86_64.sh   \ 
      &&  ./Anaconda3-5.2.0-Linux-x86_64.sh -b          \
      &&  rm -rf  ./Anaconda3-5.2.0-Linux-x86_64.sh
RUN  pip install tensorflow-gpu==1.11.0   -i   https://pypi.douban.com/simple/    \
      &&   pip  install  msgpack   -i   https://pypi.douban.com/simple/    \
      &&   pip install jupyterlab   

RUN  echo  'import subprocess\nimport sys\nsubprocess.call("cd /", shell=True)\nsubprocess.call("jupyter lab --ip=0.0.0.0 --no-browser --allow-root  --NotebookApp.allow_root=False --NotebookApp.token='jupyterAdmin' --notebook-dir=/home", shell=True)'  >>/python_service.py
CMD ["python3","/python_service.py"]