es dev stack

es-开发堆栈

用于在容器中部署 GPU 驱动的应用程序的本地裸机解决方案

包含部署详细信息的博客文章：

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

先决条件

• 安装了 vanilla CoreOS 的 CoreOS 兼容专用机
• 当前一代 Nvidia GPU（使用 TitanX 测试）

建造

Nvidia 驱动程序安装映像

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

支持 GPU 的 TensorFlow 图像

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

运行

第 1 阶段 - 安装 Nvidia 驱动程序并注册 GPU 设备（一次性）

 # docker run -it --privileged cuda

 # ./mkdevs.sh

第 2 阶段 - 具有映射 GPU 设备的 TensorFlow Docker 容器

 $ 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

测试

• 打开网络浏览器访问 http://{host IP}:8888 并启动 CNN.ipynb 笔记本
• 执行所有步骤以确认
• 要验证 GPU 的使用情况，请观看 Nvidia-SMI 工具生成的统计数据；

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

从正在运行的容器内：

 $ watch nvidia-smi

学分：

该解决方案的灵感来自一些社区资源。由于;

通过 Docker 设置 Nvidia 驱动程序 - Joshua Kolden [email protected]

ConvNet 演示笔记本 - Edward Banner [email protected]