Win11的WSL2使用Docker部署深度学习环境-Python和Docker基操_wsl docker 深度学习

Win11的WSL2使用Docker部署深度学习环境-Python和Docker基操

1. 配置WSL2

• 若没有安装WSL2，见我之前的博客。里面含有详细教程:
  • 全网最详细搭建Win10+WSL2+Ubuntu-22.04LTS+CUDA+Xfce4+noVNC个人工作站

2. 配置Docker

• 针对于win系统下WSL子系统，安装Docker桌面版，Install Docker Desktop on Windows
  
  
  
  

• 检查安装是否成功
  

• Docker数据迁移到磁盘

  wsl --shutdown
  wsl --terminate docker-desktop-data
  wsl --export docker-desktop-data D:\docker-desktop-data\docker-desktop.tar
  wsl --unregister docker-desktop-data
  wsl --import docker-desktop-data D:\docker-desktop-data D:\docker-desktop-data\docker-desktop.tar
  1
  2
  3
  4
  5

• 安装成功
  

• Linux系统的Docker安装，可参考以下指令

  sudo apt-get update
  
  sudo apt-get install \
      apt-transport-https \
      ca-certificates \
      curl \
      gnupg \
      lsb-release
  
  curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
  
  echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
  
  sudo apt-get update
  
  sudo apt-get install docker-ce docker-ce-cli containerd.io
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18

3. Docker部署深度学习环境-Python和Docker基操

• 可使用Dockerfile进行环境部署，参考如下：

  FROM pytorch/pytorch:1.6.0-cuda10.1-cudnn7-runtime
  
  COPY . /deploy
  WORKDIR /deploy
  
  
  RUN sed -i s@/deb.debian.org/@/mirrors.aliyun.com/@g /etc/apt/sources.list \
      && apt-get clean \
      && apt-get update \
      && pip config set global.index-url https://mirror.baidu.com/pypi/simple \
      && pip install --upgrade setuptools \
      && pip install --upgrade pip \
      && pip install -r requirements.txt
  
  
  EXPOSE 9535
  ENTRYPOINT ["gunicorn", "-c", "gunicorn_cfg.py", "xx_xx:app"]
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17

• 这里我介绍一种极简的部署方式

  • 拉取python镜像 docker pull python:3.9
    

  • 查看镜像 docker images

    

  • 使用该镜像创建容器并指定该容器可以使用所有的gpu资源 docker run -p 8001:5555 -it --name yolov8_python3.9 --gpus all python:3.9 /bin/bash
    

  • 查看正在运行的容器 docker ps

  • 查看所有容器
    

  • 安装pytorch并验证gpu是否可用

    

  • 关闭容器 docker stop yolov8_python3.9

  • 启动容器 docker start yolov8_python3.9

  • 进入容器 docker exec -it -u root yolov8_python3.9 /bin/bash

  • 容器外部数据传入容器内部 docker cp 本地文件路径 容器ID/容器NAME:容器内路径

  • 查看容器端口 docker port 容器NAME

  • 镜像提交 docker commit 448adec82e0c yolov8_python3.9

  • 镜像打包tar docker save -o yolov8_python3.9.tar yolov8_python3.9

  • 镜像tar加载 docker load -i yolov8_python3.9.tar

  • 镜像删除 docker rmi yolov8_python3.9 -f

  • 容器删除 docker rm yolov8_python3.9

若要转载请注明出处