pycharm+docker+GPU环境配置
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pycharm+docker+GPU环境配置相关的知识,希望对你有一定的参考价值。
参考技术A 环境配置很麻烦特别是在实验室多个人用的服务器上,说不定哪天你的caffe就不能用了呢(手动狗头),那为了免受其苦就用了docker配置环境我这里ubuntu:14.04
1.首先安装docker,根据 docker官网 ,先在左边根据需要选择docker版本,推荐docker-ce(因为我只用过ce,蛤蛤蛤),再选择系统,然后照着流程搞就行。
为了避免麻烦或有其他问题最好把自己的用户加入docker 用户组,不然每次都要用sudo:
将 your-user 换成你要用的账户名就行。
2.要使用GPU的话还要安装nvidia-docker2,根据 这个 安装。
3.之后就可以根据需要pull镜像了,我这里是需要tensorflow,所以直接pull:
可以根据自己的需要search镜像如 docker search tensorflow ,一般选择star最多的,版本可以去 Docker Hub 上根据需要选择。
4.如果没有其他需求的话就可以直接食用了,食用方法:
运行之后就会进入创建的容器了,可以运行 nvidia-smi 看能不能正常使用GPU
因为pycharm实在太方便了,所以我就安装了pycharm,如果想要在pycharm里面使用docker容器是要用Professional 版本功能的,有学校邮箱可以去 pycharm官网 注册一下,可以免费用。
1.因为pycharm默认使用的是docker而不是nvidia-docker,直接用的话会用不了GPU,显示No such file:libcuda.so.1,所以我在这个问题上折腾了很久,在 这里 找到了解决方法,大致就是把默认的换成nvidia-docker:打开 /etc/docker/daemon.json ,将里面的内容修改为:
其实就是加了一个 default-runtime 。
之后重启守护进程:
2.配置pycharm(我用的2019.1版本,不同的可能不一样,大致相同):
打开之后File->Settings->Project->Project Interpreter
点击Project Interpreter一栏右边齿轮,选择Add...
然后选择Docker,Server应该能直接连上,在Image name一栏就能看到你pull的镜像,选择之后点击OK
等待一会,能看到镜像里面安装过的环境,直接点击OK就行,等待最下面进度条走完就可以直接使用镜像里的环境了。
中间过程折腾了很久,本来以为很简单,但是中间出了几次问题,装完之后就方便很多了,很多环境问题就再也不用发愁了。我去继续了。。。
以上是关于pycharm+docker+GPU环境配置的主要内容,如果未能解决你的问题,请参考以下文章
Linux中mujoco_py添加环境变量以及在pycharm中编辑配配置环境变量的问题
深度学习环境配置- win10+Anoconda3-2.4.0+cuda8.0+TensorFlow-GPU+Pycharm2016测试Demo-GPU加速