es dev stack

es-dev-stack

Eine lokale Bare-Metal-Lösung für die Bereitstellung GPU-gestützter Anwendungen in Containern

Blogbeitrag mit Bereitstellungsdetails:

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

Voraussetzungen

• CoreOS-kompatibler dedizierter Computer mit installiertem Vanilla CoreOS
• Nvidia-GPU der aktuellen Generation (getestet mit TitanX)

Zum Bauen

Nvidia-Treiberinstallationsbild

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

GPU-fähiges TensorFlow-Image

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

Laufen

Stufe 1 – Nvidia-Treiber installieren und GPU-Geräte registrieren (einmalig)

 # docker run -it --privileged cuda

 # ./mkdevs.sh

Stufe 2 – TensorFlow Docker Container mit zugeordneten GPU-Geräten

 $ 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

Zum Testen

• Öffnen Sie Ihren Webbrowser für http://{Host-IP}:8888 und starten Sie das Notizbuch CNN.ipynb
• Führen Sie zur Bestätigung alle Schritte aus
• Um zu überprüfen, ob die GPU genutzt wird, sehen Sie sich die vom Nvidia-SMI-Tool erstellten Statistiken an.

 $ docker exec -it {container ID} /bin/bash

Aus dem laufenden Container heraus:

 $ watch nvidia-smi

Credits:

Diese Lösung wurde von einigen Community-Quellen inspiriert. Dank;

Einrichtung des Nvidia-Treibers über Docker – Joshua Kolden [email protected]

ConvNet-Demonotizbuch – Edward Banner [email protected]