Rstudio Server+ Docker 中部署GPU版本的keras+tensorflow

Posted 2021-04-21 素质云笔记

笔者想在阿里云上部署nvidia - docker + Rstudio Server，然后使用R语言来进行深度学习。本篇是在该过程中产生的经验之谈。

详细经验可戳 原文阅读 看细节~

1 Rstudio Server nvidia-docker 环境

在项目pbhogale/gpu-keras-rstudio中有非常棒的环境已经写好的docker环境，cuda/cudnn的环境为：nvidia/cuda:9.0-cudnn7-runtime

1.1 docker初始化的问题

• 但是由于在阿里云上对接github上很多资源下载会出现time out；

• 也会出现因为版本问题而无法下载的，所以需要看客自己手动调整一下dockerfile

1.2 docker中文环境布置问题

启动docker + r server会发现中文读入不了，笔者加载了   

Sys.setlocale("LC_ALL", 'en_US.UTF-8') 或 Sys.setlocale()

有以下几个问题：原因是系统里面没有utf-8的locale。

需要在docker环境下安装locale，可参考：

locale-gen en_US.UTF-8 

apt-get install language-pack-zh-hant-base language-pack-zh-hans-base

2 Rstudio Server的部署

R Server的部署就不累述了，但是笔者在使用docker部署的时候总是不能设置新的账号，报错：

RSTUDIO INITIALIZATION ERROR: UNABLE TO CONNECT TO SERVICE

暂时解决办法可戳原文阅读。

3 R语言与tensorflow + keras

有了以上的环境，那么来看一下R之中使用keras/tensorflow,如果要使用简单的keras，需要先加载Keras，然后使用keras下载tensorflow。

其中install_tensorflow()与install_keras()有几个参数：

# 函数一：install_keras install_keras <- function(method = c("auto", "virtualenv", "conda"),                          conda = "auto",                          tensorflow = "default", extra_packages = c("tensorflow-hub")) # 函数二：install_tensorflow install_tensorflow <- function(method = c("auto", "virtualenv", "conda", "system"),                               conda = "auto",                               version = "default",                               envname = "r-tensorflow",                               extra_packages = c("keras", "tensorflow-hub"), restart_session = TRUE) 

其中下载的本质还是先下载了py-tf-gpu，然后调用，其中py的版本控制，好像没有特别的参数与控制，一般默认是py2的tensorflow

4 占用指定显存容量

这边如果在使用tf的时候，会出现一下子把显存全部占满的情况，则需要控制一下，笔者只是照搬了py的稍微改一下，没想到能用，分享给大家。

library(tensorflow) config = tf$ConfigProto() config$gpu_options$per_process_gpu_memory_fraction = 0.3 tf$Session(config=config)

5 一些keras/tensorflow+R的代码

不累述这些练习代码了，可见： https://blog.rstudio.com/2017/09/05/keras-for-r/