es dev stack

es-dev-stack

Uma solução bare-metal local para implantação de aplicativos baseados em GPU em contêineres

Postagem no blog com detalhes de implantação:

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

Pré-requisitos

• Máquina dedicada compatível com CoreOS com Vanilla CoreOS instalado
• GPU Nvidia da geração atual (testada com TitanX)

Para construir

Imagem de instalação dos drivers Nvidia

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

Imagem do TensorFlow habilitada para GPU

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

Para correr

Estágio 1 - Instalar drivers Nvidia e registrar dispositivos GPU (uma vez)

 # docker run -it --privileged cuda

 # ./mkdevs.sh

Estágio 2: TensorFlow Docker Container com dispositivos GPU mapeados

 $ 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

Para testar

• Abra seu navegador em http://{host IP}:8888 e inicie o notebook CNN.ipynb
• Execute todas as etapas para confirmar
• Para validar a utilização da GPU, observe as estatísticas produzidas pela ferramenta Nvidia-SMI;

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

De dentro do contêiner em execução:

 $ watch nvidia-smi

Créditos:

Esta solução se inspira em algumas fontes da comunidade. Obrigado a;

Configuração do driver Nvidia via Docker - Joshua Kolden [email protected]

Caderno de demonstração ConvNet - Edward Banner [email protected]