الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

es-dev-stack

حل محلي محلي لنشر التطبيقات التي تدعم وحدة معالجة الرسومات في الحاويات

مشاركة المدونة مع تفاصيل النشر:

http://www.emergingstack.com/2016/01/10/Nvidia-GPU-plus-CoreOS-plus-Docker-plus-TensorFlow.html

المتطلبات الأساسية

  • جهاز مخصص متوافق مع CoreOS ومثبت عليه Vanilla CoreOS
  • معالج رسومات Nvidia من الجيل الحالي (تم اختباره باستخدام TitanX)

للبناء

صورة تثبيت برامج تشغيل Nvidia 

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

صورة TensorFlow التي تدعم وحدة معالجة الرسومات 

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

للتشغيل

المرحلة 1 - تثبيت برامج تشغيل Nvidia وتسجيل أجهزة GPU (مرة واحدة) 

 # docker run -it --privileged cuda

 # ./mkdevs.sh

المرحلة 2 - حاوية TensorFlow Docker مع أجهزة GPU المعينة 

 $ docker run --device /dev/nvidia0:/dev/nvidia0 --device /dev/nvidia1:/dev/nvidia1 --device /dev/nvidiactl:/dev/nvidiactl --device /dev/nvidia-uvm:/dev/nvidia-uvm -it -p 8888:8888 --privileged tflowgpu

للاختبار

  • افتح متصفح الويب الخاص بك إلى http://{host IP}:8888 وقم بتشغيل دفتر الملاحظات CNN.ipynb
  • قم بتنفيذ جميع الخطوات للتأكيد
  • للتحقق من صحة استخدام GPU، شاهد الإحصائيات الصادرة من أداة Nvidia-SMI؛ 
 $ docker exec -it {container ID} /bin/bash

من داخل حاوية التشغيل: 

 $ watch nvidia-smi

الاعتمادات:

هذا الحل مستوحى من بعض مصادر المجتمع. شكرا ل؛

إعداد برنامج تشغيل Nvidia عبر Docker - Joshua Kolden [email protected]

دفتر ملاحظات ConvNet التجريبي - إدوارد بانر [email protected]

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل