AI实战：AI模型部署系列之docker

AI模型部署系列之docker

前言

AI实战：AI模型部署系列之docker
AI实战：AI模型部署系列之多进程

本文分享使用docker部署AI模型的经验。

Docker五大优势：持续集成、版本控制、可移植性、隔离性和安全性。

下面就介绍一下docker的安装、创建cpu的tensorflow的docker。

同时以 上海垃圾分类系列之快速搭建垃圾分类模型 作为整个过程的搭建的例子。

环境

• Ubuntu 16.04

安装docker

• 详细步骤

  mkdir docker_example
  cd docker_example/
  
  
  1、卸载旧版本docker（未安装过的，可不执行）
  
      sudo apt-get remove docker docker-engine docker.io
  
  2、更新
  
      sudo apt-get update
  
  3、安装依赖包
  
      sudo apt-get install \
          apt-transport-https \
          ca-certificates \
          curl \
          software-properties-common
  
  4、添加官方密钥
  
      curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
  
      出现 OK 表示添加成功
      
  5、添加仓库
  
      sudo add-apt-repository \
         "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
         $(lsb_release -cs) \
         stable"
  
  6、再次更新
  
      sudo apt-get update
  
  7、安装docker（默认安装最新版）
      
      sudo apt-get install docker-ce
      
      若想指定版本：
          sudo apt-get install docker-ce=
  
  
  8、查看docker版本
  
      docker -v
  
      当前最新版本：Docker version 18.09.7, build 2d0083d
      
  9、启动docker 后台服务
  
      sudo service docker start
      
      
  10、测试运行hello-world
  
      sudo docker run hello-world
      
      
      出现下面详细就表明安装顺利、测试ok：
      
          Hello from Docker!
          This message shows that your installation appears to be working correctly.
          ....
          ....
  
  
  

创建cpu版的Tensorflow

1、下载镜像

    sudo docker pull tensorflow/tensorflow:1.4.0-py3
        
        (1.4.0 是指版本， py3 是指python3.x)

    显示下面信息表示下载完毕：
        Status: Downloaded newer image for tensorflow/tensorflow:1.4.0-py3
    
    需要下载其他版本的tensorflow，把1.4.0改为对应的版本号即可。
    
    若是需要下载gpu的tensorflow，命令如下：
        sudo docker pull tensorflow/tensorflow:1.4.0-gpu-py3
        
        
    查看tensorflow的镜像（TensorFlow Docker Images）：
        https://hub.docker.com/r/tensorflow/tensorflow

2、创建Tensorflow容器

    sudo docker run --name refuse_classify-tensorflow-1.4.0-py3 -d \
        -p 8888:8888 \
        -p 9006:6006 \
        -p 9007:6007 \
        -p 9008:6008 \
        -v ~/data/tmp/docker_example:/data \
        tensorflow/tensorflow:1.4.0-py3
    
    
    --name：创建的容器名，即 refuse_classify-tensorflow-1.4.0-py3  (python3下tensorflow 1.4.0 的垃圾分类docker)
    -d：后台运行容器 
    -p 8888:8888：端口映射，前者是宿主机的端口，后者是docker中的端口
    -p 9006:6006: tensorboard 端口映射
    -p 9007:6007: 预留端口
    -p 9008:6008: 预留端口
    -v ~/data/tmp/docker_example:/data:将宿主机的 ~/data/tmp/docker_example 挂载到容器内的 /data 下
    tensorflow/tensorflow:1.4.0-py3 ：是上一步下载的镜像


    注：1、若是多次创建会出现下面的错误提示：
        
        docker: Error response from daemon: Conflict. The container name "/refuse_classify-tensorflow-1.4.0-py3" is already in use by container "b942ba9baec0674617c031c454457caf5abe8620bcdd6e9a628756e83743c89e". You have to remove (or rename) that container to be able to reuse that name.
        
        解决方法：
            sudo docker rm b942ba9b
                
                （b942ba9b  是docker id 的前面几个字符）
        
        2、若是gpu版本，需要加上 ‘ --runtime=nvidia ’，及安装对应的CUDA，请自行查阅相关资料

3、运行docker

    sudo docker exec -it refuse_classify-tensorflow-1.4.0-py3  env LANG=C.UTF-8 /bin/bash

    
    出现下面的信息表示已进入docker：
        root@5b6a3a37e730:/notebooks#
        
            
            注：‘5b6a3a37e730’ 是 docker id
            
    
    查看相关信息：
        python
        
        输出信息：
            Python 3.5.2 (default, Sep 14 2017, 22:51:06) 
            [GCC 5.4.0 20160609] on linux
            Type "help", "copyright", "credits" or "license" for more information.
    
    
        import tensorflow as tf
        print(tf.__version__)
        
        输出：
            1.4.0
            
            说明一切安装顺利。

4、docker 常用指令

• 停止docker

     sudo docker stop 5b6a3a37e730
     
     或
     
     sudo docker stop refuse_classify-tensorflow-1.4.0-py3
  

• 开启docker

    sudo docker start 5b6a3a37e730
  

• 重启docker

   sudo docker restart 5b6a3a37e730
  

• 查看本地镜像

    sudo docker images
  

• 删除本地镜像

    sudo docker rmi docker_id/name
  

• 查看运行中的docker

    sudo docker ps
  

部署AI模型

这里使用 上海垃圾分类系列之快速搭建垃圾分类模型 来作为例子。
模型下载：垃圾分类识别模型 (注：字母有拼写错误，rafuse改为refuse即可和下面的步骤一致)

• 步骤

    1、复制完整代码到 ‘~/data/tmp/docker_example’
    
    2、进入docker
        
        sudo docker exec -it refuse_classify-tensorflow-1.4.0-py3  env LANG=C.UTF-8 /bin/bash
        
        cd /data/
        
        ls
        
            输出信息：
                refuse_recognize
        
        cd refuse_recognize
        
    3、 安装环境
        
        pip install jieba
        pip install Cython
        pip install word2vec
        
    
    4、模型修改
        
        1）下载imagenet2012的inception-v3模型
            
            python classify_image.py
            
            输出下来信息表示成功：
                2019-07-15 11:54:25.060237: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
                2019-07-15 11:54:25.433662: W tensorflow/core/framework/op_def_util.cc:334] Op BatchNormWithGlobalNormalization is deprecated. It will cease to work in GraphDef version 9. Use tf.nn.batch_normalization().
                大熊猫，熊猫，熊猫，浣熊，大熊猫（Ailuropoda melanoleuca） (score = 0.89107)
                光面狐猴;大狐猴 (score = 0.00779)
                小熊猫，小熊猫，熊猫，熊猫，猫熊，小熊猫 (score = 0.00296)
                番荔枝 (score = 0.00147)
                地星 (score = 0.00117)
                
        
        2）垃圾分类映射模型修改
            
            vi runs/checkpoints/checkpoint
            
            修改
                /home/zzh/data/DL/refuse_recognize/
            为
                /data/refuse_recognize
  
        
        
        3）测试
            python refuse.py ./img/2.png
                
            输出下面信息表示一切ok：    
                
                classify:
                手机移动电话  =>  可回收垃圾
                iPod  =>  湿垃圾
                笔记本电脑笔记本  =>  可回收垃圾
                调制解调器  =>  湿垃圾
                手持电脑手持微电脑  =>  可回收垃圾
  

保存该模型的docker环境

1）退出docker

   exit

2）查看运行中的docker

   sudo docker ps

3）保存dicker

   sudo docker commit -a 'zack' -m 'refuse classify model, tf1.4.0-py3-cpu' 65e3ec576b7f  refuse_classify:v1
    
    
    参数说明：

        -a : 提交的镜像作者
        -m : 提交时的说明文字
        65e3ec576b7f: 容器id
        refuse_classify: 名称
        v1: tag

4)查看保存的docker镜像

    sudo docker images
    
    输入信息如下：
    REPOSITORY              TAG                 IMAGE ID            CREATED             SIZE
    refuse_classify         v1                  52ec4a357116        40 seconds ago      1.57GB

参考

https://www.runoob.com/docker/ubuntu-docker-install.html
https://www.jb51.net/article/135441.htm