docker-compose 升级；yaml文件编写；gpu使用

1、docker-compose 升级（现在已经2.*版本，升级使支持gpu）

参考：https://blog.csdn.net/weixin_51311218/article/details/131376823
https://github.com/docker/compose/issues/8142

1）下载：原来1.18；升级到1.29.2版本
添加链接描述

2）下载后文件后更名为docker-compose；然后放到/usr/bin/文件下覆盖，有的是会放到/usr/local/bin/，本机是放在/usr/bin/下

3）然后sudo chmod +x /usr/bin/docker-compose，然后查看 docker-compose version

2、yaml文件编写（字典转yaml）

安装：pip install pyyaml

字典：

data = {
    "version": "3.8",
    "services": {
        "my_gpu_service": {
            "image": "cv-worker:v1",
            "command": "/bin/bash -c 'yolo task=detect mode=train model=/data/yolov8m.pt data=/data/data2.yaml epochs=20 device=1 > /data/yolo1.log 2>&1'",
            "volumes": [
                    "/mnt/data/loong/detection/safety/:/data",
                ],
            "working_dir": "/data",
            "shm_size": "15g",
            "ports": [
                "6006:6006",
                ],
            
            }
        }
    }

字典转yaml：

import yaml

# 保存YAML文件
with open("detect1.yaml", "w") as f:
    yaml.dump(data, f, default_flow_style=False, sort_keys=False)

3、gpu使用

参考：https://docs.docker.com/compose/gpu-support/

注意：yaml内部gpu对应方式

这里注意：yaml里gpu索引不一样，device_ids: [‘1’,‘3’,‘2’]是外部服务器gpu的索引号，yaml内部gpu索引号是按device_ids列表的索引：及内部0 device_ids第一个实际外部的1，内部1 device_ids第一个实际外部的3，内部2 device_ids第一个实际外部的2；所以下列device=0,1 对应的是device_ids的索引即外部1,3号gpu

外部gpu索引查询，pytorch与nvidia-smi索引不一样

pytorch查询gpu索引情况：

import torch

num_gpus = torch.cuda.device_count()
for i in range(num_gpus):
    print(f"GPU {i}: {torch.cuda.get_device_name(i)}")

yaml代码例子

##运行
docker-compose  -f aa.yaml up

aa.yaml

version: '3.8'
services:
  my_gpu_service:
    image: cv-worker:v1
    command: /bin/bash -c 'yolo task=classify mode=train model=/data/yolov8n-cls.pt data=/work/cifar10_copy1
      epochs=2 device=0,1 > /data/yolo1.log 2>&1'

    volumes:
    - //mnt/data/loong/classify/:/data
    - /mnt/data/yolo/datasets/:/work
    working_dir: /data
    shm_size: 15g
    ports:
    - 6006:6006
    # - 9000:9000
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['1','2','3']
              capabilities: [gpu]