访问 docker 容器的 tensorboard

demo代码示例

'''
tensorboard --logdir=log_path
:return:
'''
from torch.utils.tensorboard import SummaryWriter

logger = SummaryWriter(log_dir='./log/boardtest/')

loss = [5.5, 4.1, 4.2, 3.2, 3.3, 2.9, 2.5, 1.2, 0.8, 0.6]
steps = [1000, 2000, 3000, 4000, 5000, 6000, 7000, 8000, 9000, 10000]

for i in range(len(loss)):

    logger.add_scalar('train_loss', loss[i], steps[i])
    logger.add_scalar('train_steps', loss[i], steps[i])

    logger.add_scalar('val_loss', loss[i], steps[i])
    logger.add_scalar('val_steps', loss[i], steps[i])

docker 容器端口映射

映射端口为6666

docker run --rm -it --gpus '"device=0"' --name chat_demo\
                       -p 6666:6666/tcp \
                       --shm-size 15G \
                       -v /data/donews/wangguisen/chat:/home \
                       wgs-torch:chat \
                       sh -c "tensorboard --logdir=/home/log/boardtest --port=6666 --bind_all"

• gpus all：使docker能支持GPU，要用gpu必须用这种方式（版本19.03以上）；
• -i：–interactive，保持标准输入始终开启着，保证容器能收到STDIN；
• -t：–tty，为创建的容器分配一个伪tty，相当于提供了交互式shell；
• –name：这个容器的名字，建议加上自己标识，明确是谁的容器；
• -v：挂载一个host的目录到容器内,可以挂载多个目录;
• -p：端口映射，容器的6166端口映射到主机的6166，主机端口：容器端口;
• –shm-size ：可选，有时候shared-memory不足，可以通过这个参数指定；

上述启动容器，运行 tensorboard

tensorboard --logdir=/home/log/boardtest --port=6666 --bind_all

--bind_all: 将服务暴漏到网络中

本地ssh连接到服务器

ssh -L 6006:127.0.0.1:6166 [email protected] -p 2212

• 6006为本地的端口，6166为docker容器中开启tensorboard服务的端口号的主机映射端口；
• root为你的用户名，10.10.10.10为你的服务器IP地址，2212为服务器的ssh端口；
• 连接到服务器后，会提示输入密码，然后输入即可。

打开本地浏览器访问tensorboard

在本地浏览器打开页面：http://127.0.0.1:6006/，即可访问服务器里的docker容器的tensorboard服务。