docker部署paddle-gpu深度学习项目

根据自己的cuda,cuddn版本拉取paddle镜像

可查看:https://hub.docker.com/r/paddlepaddle/paddle/tags/?page=1&ordering=last_updated

我的cuda版本是11.1,cudnn版本是8.xx,所有我用的是cuda11.2-cudnn8
因为docker只要19.03以上的,都支持gpu,所以不用再nvidia-docker,再run时加上–gpu即可。

1.拉取镜像

docker pull paddlepaddle/paddle:2.1.2-gpu-cuda11.2-cudnn8

2.生成容器

docker run -p 9292:9292 --name test --gpus all  -dit paddlepaddle/paddle:2.1.2-gpu-cuda11.2-cudnn8

3.进入容器

docker exec -it test bash

4.把paddleocr的代码放进容器(需先退出容器)

docker cp /root/crh/xxx.tar.gz 容器id:容器内的路径

ps:也可直接git clone xxxx,我的代码是在初始paddleocr的基础上经过调试的,所以我上传了Gitee后直接从库里面拉取。

5.进入容器,解压文件

docker exec -it test bash
#cd 到你放压缩包的路径
tar -zxvf xxx.tar.gz

6.需要安装一些python库
如果可以直接pip则说明没问题了

如果出现这个问题,则说明你的镜像源有问题
在这里插入图片描述
需要修改docker的DNS
需退出容器
vi /etc/docker/daemon.json
需添加dns如下

{
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    },
    "dns": ["114.114.114.114", "8.8.8.8"]
}   

即可直接在容器内pip
如:pip install pyclipper -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
#后面加的国内镜像,加快速度
如果还不行,试一下离线安装pip install *.whl,如果再不行,并且报一样的错误,可以试一下重启docker。

ps:
宿主机向Docker容器传送文件

docker cp 本地文件的路径 container_id:

Docker容器向宿主机传送文件

docker cp container_id: <本地保存文件的路径>

转载自: https://www.csdn.net/tags/NtzaYg0sNTA3NjctYmxvZwO0O0OO0O0O.html

笔记记录---

你可能感兴趣的:(深度学习,python,docker,paddle,深度学习)