es dev stack

es-開發堆疊

用於在容器中部署 GPU 驅動的應用程式的本機裸機解決方案

包含部署詳細資訊的部落格文章：

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

先決條件

• 安裝了 vanilla CoreOS 的 CoreOS 相容專用機
• 當前一代 Nvidia GPU（使用 TitanX 測試）

建造

Nvidia 驅動程式安裝映像

 $ cd es-dev-stack/corenvidiadrivers

 $ docker build -t cuda .

支援 GPU 的 TensorFlow 映像

 $ cd es-dev-stack/tflowgpu

 $ docker build -t tflowgpu .

運行

第 1 階段 - 安裝 Nvidia 驅動程式並註冊 GPU 裝置（一次性）

 # docker run -it --privileged cuda

 # ./mkdevs.sh

第 2 階段 - 具有映射 GPU 裝置的 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

測試

• 開啟網頁瀏覽器造訪 http://{host IP}:8888 並啟動 CNN.ipynb 筆記本
• 執行所有步驟以確認
• 若要驗證 GPU 的使用情況，請觀看 Nvidia-SMI 工具產生的統計資料；

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

從正在運作的容器內：

 $ watch nvidia-smi

學分：

該解決方案的靈感來自一些社區資源。由於;

透過 Docker 設定 Nvidia 驅動程式 - Joshua Kolden [email protected]

ConvNet 示範筆記本 - Edward Banner [email protected]