abukhari/pytorch

镜像概述和主要用途

本镜像为基于GPU的深度学习开发环境，内置PyTorch 0.4.1和torchvision 0.2.1，支持通过nvidia-docker运行，可快速搭建包含Conda包管理和Jupyter Notebook的开发环境，适用于需要特定PyTorch版本的深度学习项目开发与实验。

核心功能和特性

• 版本固定：预安装PyTorch 0.4.1和torchvision 0.2.1
• GPU支持：需配合nvidia-docker使用，提供GPU加速能力
• 环境管理：基于Conda包管理系统，便于依赖管理和更新
• 交互式开发：支持配置Jupyter Notebook，实现本地或远程交互式编程

使用场景和适用范围

• 需要PyTorch 0.4.1版本的深度学习模型开发与测试
• 快速搭建GPU加速的深度学习实验环境
• 本地或远程Jupyter Notebook交互式开发场景

使用方法和配置说明

1. 拉取镜像

执行以下命令从Docker Hub拉取镜像：

bash
docker pull abukhari/pytorch:gpu

2. 运行容器

使用nvidia-docker启动容器，挂载本地工作目录至容器内/workspace：

bash
nvidia-docker run -it --rm --net=host -v $(SRC):/workspace --name <container_name> abukhari/pytorch:gpu bash

说明：

• $(SRC)需替换为本地实际工作目录路径
• <container_name>替换为自定义容器名称
• --net=host使容器共享主机网络，便于端口映射

3. 更新环境（容器内操作）

进入容器后，更新Conda和依赖包：

bash
# 更新Conda
conda update --prefix /opt/conda conda -y

# 更新所有包并升级pip
conda update --all -y
pip install --upgrade pip

4. 安装Jupyter Notebook（容器内操作）

通过Conda和pip安装Jupyter Notebook：

bash
conda install -c conda-forge notebook -y
pip install notebook

5. 启动Jupyter Notebook（容器内操作）

• 远程访问（适用于服务器环境）：

  bash
  jupyter notebook --ip 0.0.0.0 --no-browser --allow-root
  

• 本地访问（适用于本地开发）：

  bash
  jupyter notebook --allow-root
  

6. 访问Jupyter Notebook

启动成功后，在主机浏览器中访问：
localhost:<端口号>/<token>

说明：端口号和token信息会在Jupyter启动日志中显示，通常默认端口为8888。