溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
為什么要用docker， 熟悉docker 其實已經很久了，自從實習的時候覺得它是一個利器以來一直沒有機會使用它，這幾天在折騰caffe環境中，覺得是時候用上Docker了。
需求：構建一個獨立的容器，里面安裝了caffe 的所有依賴，在需要跑代碼的時候，直接運行它。
優點：可以解決各種依賴問題，比如這個軟件需要安裝gcc 4.7 ，而另外一個需要安裝gcc 4.8 等等互斥的環境需求。
Docker 安裝
docker 的安裝和基本使用，可以參照我上面的兩篇博客：安裝篇 和 使用篇 。
構建鏡像
構建鏡像有兩種方法：
1，寫Dockerfile,優點是便于共享；
2，從容器中commit，優點是簡單方便，但是不方便共享。
由于安裝caffe環境需要眾多的依賴包，而且由于網絡方面的原因，這些依賴包往往不能一次夠裝好，為了方便起見，這里直接啟動一個基本的容器，然后從里面安裝依賴包。
這邊選擇基本的ubuntu:14.04 來開始構建環境，
1，啟動容器：
需要更改dns，是因為如果沒有的話，容器上不了網。
2，依賴包安裝
進入容器之后，所有的操作就跟普通的一個樣了。
首先安裝一些基本的工具：
apt-get install wget apt-get install unzip apt-get install python-pip
新建路徑，后面所有的caffe代碼都放在這里
mkdir /home/crw/Caffe cd /home/crw/Caffe
opencv 的安裝：
github上面有一個一鍵安裝的，但是在容器里面一鍵安裝不了，后面我是把它里面的腳本一句一句的搞出來執行。
#opencv一句一句的運行 arch=$(uname -m) if [ "$arch" == "i686" -o "$arch" == "i386" -o "$arch" == "i486" -o "$arch" == "i586" ]; then flag=1; else flag=0; fi echo "Installing OpenCV 2.4.9" mkdir OpenCV cd OpenCV sudo apt-get -y install libopencv-dev sudo apt-get -y install build-essential checkinstall cmake pkg-config yasm sudo apt-get -y install libtiff4-dev libjpeg-dev libjasper-dev sudo apt-get -y install libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev sudo apt-get -y install python-dev python-numpy sudo apt-get -y install libtbb-dev sudo apt-get -y install libqt4-dev libgtk2.0-dev sudo apt-get -y install libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev wget http://archive.ubuntu.com/ubuntu/pool/multiverse/f/faac/faac_1.28-6.debian.tar.gz vi /etc/hosts ifconfig sudo apt-get -y install x264 v4l-utils ffmpeg wget -O OpenCV-2.4.9.zip http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.9/opencv-2.4.9.zip/download unzip OpenCV-2.4.9.zip cd opencv-2.4.9 mkdir build cd build cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON .. make -j4 sudo make install sudo sh -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' sudo ldconfig cd ..
caffe 和python依賴包：
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev sudo apt-get install libatlas-base-dev
安裝cuda：
這里面個小技巧就是，如何從host 主機導入數據到容器中，可以使用如下命令（在host上運行）
sudo cp cuda_7.5.18_linux.run /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe sudo cp cudnn-7.0-linux-x64-v3.0-prod.tgz /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe sudo cp caffe-master.zip /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe
其中，那一長串數字，是你的容器的完全id，可以用命令
./cuda_*_linux.run -extract=`pwd` ./NVIDIA-Linux-x86_64-*.run -s --no-kernel-module ./cuda-linux64-rel-*.run -noprompt
安裝cudnn：
tar -xvf cudnn-7.0-linux-x64-v3.0-prod.tgz cp cuda/include/cudnn.h /usr/local/cuda/include/ cp cuda/lib64/* /usr/local/cuda/lib64/
安裝caffe：
cd caffe-15.12.07/ cp Makefile.config.example Makefile.config vi Makefile.config make all make test
安裝caffe 的python綁定
cd python/ apt-get install python-pip for req in $(cat requirements.txt); do pip install $req; done sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
下面這幾個包需要手動自己去裝，用上面的命令一直裝不好。
apt-get install python-scipy for req in $(cat requirements.txt); do pip install $req; done pip install -U scikit-learn for req in $(cat requirements.txt); do pip install $req; done pip install scikit-image for req in $(cat requirements.txt); do pip install $req; done
然后
make pycaffe
最后， 新建一個路徑，以便于磁盤映射
mkdir /media/crw/MyBook
所有的環境都做好了之后，就可以commit 了
docker commit 92562f161e519 my-ubuntu-caffe
這樣，就在本地環境中，制作好了一個轉好caffe gpu環境的容器了。
啟動caffe啟動容器：
sudo docker run -ti \ --device /dev/nvidia0:/dev/nvidia0 \ --device /dev/nvidiactl:/dev/nvidiactl \ --device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v /media/crw/MyBook:/media/crw/MyBook \ my-ubuntu-caffe /bin/bash
1，顯卡直通使用，
2，文件映射，掛載一個host主機的磁盤到容器路徑下，這里設置為相同，可以減少一些不必要的麻煩。
運行caffe模型訓練
會有提示說找不到cuda啥的，設置一下環境變量即可。
$ export CUDA_HOME=/usr/local/cuda
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
cd /media/crw/MyBook/Experience/FaceRecognition/Softmax/try3_3 ./train.sh
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
