教育机构网站制作模板,网站的原型怎么做,山东品牌建设网站,好看的logo图案1、安装docker
配置docker镜像 添加镜像源至docker engine
2、wsl2安装nvidia-docker
要在Ubuntu中安装NVIDIA Docker#xff0c;需要满足以下条件#xff1a;
确保主机已安装NVIDIA的CUDA驱动程序#xff0c;并使用适用于您操作系统的正确版本。
wsl --update在Ubuntu…1、安装docker
配置docker镜像 添加镜像源至docker engine
2、wsl2安装nvidia-docker
要在Ubuntu中安装NVIDIA Docker需要满足以下条件
确保主机已安装NVIDIA的CUDA驱动程序并使用适用于您操作系统的正确版本。
wsl --update在Ubuntu中安装NVIDIA Docker的步骤如下
确认系统已安装并正常工作Docker。如果未安装Docker请先进行安装。在终端中运行以下命令添加NVIDIA Docker的apt仓库密钥
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -添加apt仓库。创建一个新的apt源文件并将main和stable组件添加到文件中
distribution$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list更新apt缓存并安装nvidia-docker2包
sudo apt-get update
sudo apt-get install -y nvidia-docker2安装完成后重启Docker服务
sudo systemctl restart docker使用以下命令检查是否正确安装了nvidia-docker2
docker run --gpus all nvidia/cuda:11.0-base nvidia-smi运行此命令应该成功运行容器内的nvidia-smi命令并显示GPU信息。如果一切正常说明成功在Ubuntu中安装了NVIDIA Docker。
3、复现pytorch_cyclegan
1 构建DockerFile文件写入语句
FROM nvidia/cuda:11.1.1-cudnn8-runtimeRUN apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub# 更新apt索引并安装所需工具
RUN apt update apt install -y wget unzip curl bzip2 git
RUN curl -LO http://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.shRUN bash Miniconda3-latest-Linux-x86_64.sh -p /miniconda -b
RUN rm Miniconda3-latest-Linux-x86_64.sh
ENV PATH/miniconda/bin:${PATH}
RUN conda update -y conda# 创建新的conda环境并安装特定版本的pytorch和torchvision
RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
RUN conda config --set show_channel_urls yes# 设置环境变量
ENV PATH/opt/conda/bin:$PATH
# RUN /opt/conda/bin/conda run -n cycle pip install torch1.10.0cu111 torchvision0.11.0cu111 torchaudio0.10.0 -f https://download.pytorch.org/whl/torch_stable.html
# 激活环境并安装其他依赖
RUN mkdir /workspace/ cd /workspace/ git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix.git \ cd pytorch-CycleGAN-and-pix2pix# 设置工作目录
WORKDIR /workspace2存放至目录下便于构建
app
├── app/Dockerfile
├── app/app.py
└── app/requirements.txt3运行命令构建镜像 进入app目录
docker build -t [镜像名] .
# 假设我们有一个名为 my-base-image:latest 的本地镜像
docker build --build-arg BASE_IMAGEmy-base-image:latest -t my-app .4根据镜像建立容器在容器中安装对应的包
docker run -it --name [容器名] [镜像名] /bin/bash待选步骤 5安装包之后构建好了新的容器commit提交存至新的镜像
docker commit -m xx [容器名] [镜像名]6后面只需直接拉取镜像并创建容器就可直接运行
docker run --gpus all -it --name [容器名] [镜像名] /bin/bash# 部分docker语句记录
docker run --gpus all -it --name yolov8_mount -v E:\BaiduNetdiskDownload\VOC0712test\VOCdevkit:/root/yolov8-pytorch/ --cpus2.0 7c69963d2d79:latest bashdocker run --gpus all -it --name yolov8_mount -v E:\BaiduNetdiskDownload\VOC0712test\VOCdevkit:/root/yolov8-pytorch/ --cpuset-cpus0,1 7c69963d2d79:latest bash4、 已构建好的镜像参考
docker pull lin0011/cyclegan参考链接 1、【K8S】docker打过tag标签后向镜像仓库推送镜像(push) https://blog.csdn.net/m0_45406092/article/details/103963974 2、Index of /compute/cuda/repos/ubuntu2004/x86_64 https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ 3、nvidia/cuda11.1.1-cudnn8-runtime https://hub.docker.com/r/nvidia/cuda/tags?ordering-last_updated 4、docker:machine learning https://hub.docker.com/search?categoriesMachineLearning%26AIpage3 5、CUDA Toolkit 11.1 Update 1 Downloads https://developer.nvidia.com/cuda-11.1.1-download-archive?target_osLinuxtarget_archx86_64target_distroUbuntutarget_version2004target_typedebnetwork 6、官方源码 https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix.git 7、如何指定dockerfile中From后的基础镜像从本地获取https://blog.csdn.net/muwan2900/article/details/139737060?spm1001.2014.3001.5506 8、极智开发 | gpu docker启动报错libnvidia-ml.so.1: file exists: unknown https://zhuanlan.zhihu.com/p/652588664 9、Visual Studio 的粘滞滚动功能是什么 https://learn.microsoft.com/zh-cn/visualstudio/ide/editor-sticky-scroll?viewvs-2022
