aminehy/ai-lab

!https://img.shields.io/github/stars/aminehy/ai-lab?style=social !https://img.shields.io/docker/pulls/aminehy/ai-lab !https://img.shields.io/docker/automated/aminehy/ai-lab !https://img.shields.io/docker/stars/aminehy/ai-lab

AI-lab：数据科学家开发和导出机器学习模型的理想工具

!数据科学一站式解决方案

• AI-lab：数据科学家开发和导出机器学习模型的理想工具
  • 1.1. 概述
  • 1.2. 前置条件
  • 1.3. 使用方法
  • 1.4. 启动IDE并开始开发
    • 1.4.1. Jupyter Notebook
    • 1.4.2. VS Code
  • 1.5. 查看GPU内存使用情况
  • 有任何建议吗？

1.1. 概述

本项目旨在为数据科学家创建开发环境，帮助用户以简单方式开发机器学习模型：

• 专注于代码而非工具配置
• 节省安装过程中浪费的时间
• 避免因安装不兼容包导致操作系统损坏

AI-lab基于https://ngc.nvidia.com/catalog/containers/nvidia:tensorrt%E6%9E%84%E5%BB%BA%EF%BC%8C%E5%88%A9%E7%94%A8https://www.docker.com/products/docker-desktop%E7%9A%84%E8%83%BD%E5%8A%9B%E6%8F%90%E4%BE%9B%E5%8F%AF%E5%A4%8D%E7%8E%B0%E3%80%81%E5%8F%AF%E7%A7%BB%E6%A4%8D%E7%9A%84%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E3%80%82

AI-lab支持使用最常见的AI框架在Python中开发人工智能应用，适用于深度学习模型的构建、训练、验证和测试（例如迁移学习）。

包含组件：

• Ubuntu 18.04
• NVIDIA CUDA 10.1
• NVIDIA cuDNN 7.6.0
• OpenCV 4.1.0
• Python 3.6
• 主流AI框架：TensorFlow、PyTorch、ONNX、Keras、ONNX-TensorRT、Jupyter-lab、VS Code远程开发集成、Numpy、Matplotlib、Scikit-learn、Scipy、Pandas、TensorRT等

1.2. 前置条件

使用AI-lab前需在操作系统上安装以下组件：

• 操作系统需为AMD64架构，可通过以下命令检查：

  bash
  dpkg --print-architecture
  

  例如Ubuntu 18.04.3 LTS，可通过以下命令查看系统信息：

  bash
  lsb_release -a
  

• https://www.nvidia.com/Download/index.aspx%E5%92%8Chttps://developer.nvidia.com/cuda-downloads%EF%BC%8C%E5%8F%AF%E9%80%9A%E8%BF%87%E4%BB%A5%E4%B8%8B%E5%91%BD%E4%BB%A4%E9%AA%8C%E8%AF%81%EF%BC%9A

  bash
  nvidia-smi
  

• Docker-ce，需按照官方https://docs.docker.com/install/linux/docker-ce/ubuntu/%E5%8F%8Ahttps://docs.docker.com/install/linux/linux-postinstall/%E5%AE%89%E8%A3%85%E3%80%82

1.3. 使用方法

第一步：从Docker Hub拉取镜像

bash
docker pull aminehy/ai-lab

最新镜像约9.97GB，请确保有足够存储空间和高速网络。

第二步：运行镜像开始开发

bash
xhost +
docker run -it --rm -v $(pwd):/workspace -w /workspace -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY --runtime=nvidia -p 8888:8888 -p 6006:6006 aminehy/ai-lab

安装UFF转换器（如需）
运行镜像后，执行以下命令安装convert-to-uff：

bash
cd /opt/tensorrt/python
dpkg -i *-tf_*.deb
UFF_PATH="$(python -c 'import uff; print(uff.__path__[0])')"
chmod +x ${UFF_PATH}/bin/convert_to_uff.py
ln -sf ${UFF_PATH}/bin/convert_to_uff.py /usr/local/bin/convert-to-uff

1.4. 启动IDE并开始开发

1.4.1. Jupyter Notebook

镜像正常运行时Jupyter Notebook会自动启动，若未启动可手动执行：

bash
jupyter notebook --allow-root --port=8888 --ip=0.0.0.0 --no-browser

1.4.2. VS Code

通过https://marketplace.visualstudio.com/items?itemName=ms-vscode-remote.vscode-remote-extensionpack%E5%8F%AF%E5%9C%A8%E5%AE%B9%E5%99%A8%E5%86%85%E5%BC%80%E5%8F%91%E3%80%82%E6%AD%A5%E9%AA%A4%E5%A6%82%E4%B8%8B%EF%BC%9A

1. 克隆仓库：

   bash
   git clone https://github.com/amineHY/AI-lab.git
   cd AI-lab
   

2. 将配置文件夹复制到应用目录：

   bash
   sudo cp -R AI-LAB_in_vscode/.* /path_to_your_app
   

3. 进入应用目录并启动VS Code：

   bash
   cd /path_to_your_app
   code .
   

1.5. 查看GPU内存使用情况

使用gpustat实时监控GPU内存：

bash
watch -n0.5 -c gpustat --c -cupP

查看GPU详细信息
执行deviceQuery脚本获取GPU配置：

bash
./deviceQuery

有任何建议、反馈或改进想法？

• 在GitHub上创建Issue
• 通过LinkedIn联系作者