es dev stack

es-dev-стек

Локальное, «голое железо» решение для развертывания приложений на базе графических процессоров в контейнерах.

Сообщение в блоге с подробностями развертывания:

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

Предварительные условия

• Выделенная машина, совместимая с CoreOS, с установленной базовой ОС CoreOS
• Графический процессор Nvidia текущего поколения (протестировано с TitanX)

Построить

Установочный образ драйверов Nvidia

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

Изображение TensorFlow с поддержкой графического процессора

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

Бежать

Этап 1. Установите драйверы Nvidia и зарегистрируйте устройства графического процессора (однократно)

 # docker run -it --privileged cuda

 # ./mkdevs.sh

Этап 2 — Docker-контейнер TensorFlow с сопоставленными графическими устройствами

 $ 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

Тестировать

• Откройте веб-браузер по адресу http://{IP-адрес хоста}:8888 и запустите блокнот CNN.ipynb.
• Выполните все шаги для подтверждения
• Чтобы проверить использование графического процессора, просмотрите статистику, полученную с помощью инструмента Nvidia-SMI;

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

Из работающего контейнера:

 $ watch nvidia-smi

Кредиты:

Это решение основано на нескольких источниках сообщества. Благодаря;

Настройка драйвера Nvidia через Docker — Джошуа Колден [email protected]

Демо-блокнот ConvNet — Эдвард Баннер [email protected]