gdevakumar/pytorch

PyTorch与Jupyter Notebook CUDA GPU支持镜像

镜像概述

本Docker镜像集成了PyTorch深度学习框架和Jupyter Notebook，并提供CUDA GPU支持，旨在为机器学习开发者提供一个便捷、高效的开发环境。通过该镜像，用户可直接进行模型编写、训练、调试及数据分析，无需手动配置复杂的PyTorch、CUDA及Jupyter环境。

核心功能和特性

• 完整PyTorch环境：预安装最新稳定版PyTorch，包含torch、torchvision等核心组件
• Jupyter Notebook集成：内置Jupyter Notebook服务，支持浏览器端交互式开发
• CUDA GPU加速：支持NVIDIA CUDA，可利用GPU资源加速模型训练和推理
• 常用依赖预装：包含numpy、pandas、matplotlib等数据科学常用Python库
• 环境隔离：通过Docker容器化，确保开发环境一致性，避免依赖冲突

使用场景和适用范围

• 机器学习/深度学习模型开发与调试
• GPU加速的模型训练任务
• 数据科学实验与数据分析
• 教学与科研环境搭建
• 快速原型验证与算法测试

使用方法和配置说明

前提条件

• 已安装Docker Engine（19.03+版本）
• 若需使用GPU，需安装NVIDIA Docker支持（nvidia-docker2）及CUDA驱动

镜像拉取

bash
docker pull docker.xuanyuan.run/[镜像仓库地址]/pytorch-jupyter-cuda:latest

运行容器

基础运行（仅CPU）

bash
docker run -d -p 8888:8888 --name pytorch-jupyter docker.xuanyuan.run/[镜像仓库地址]/pytorch-jupyter-cuda:latest

GPU支持运行

bash
docker run -d -p 8888:8888 --gpus all --name pytorch-jupyter-gpu docker.xuanyuan.run/[镜像仓库地址]/pytorch-jupyter-cuda:latest

挂载本地目录（持久化数据）

bash
docker run -d -p 8888:8888 --gpus all -v /本地目录:/workspace --name pytorch-jupyter docker.xuanyuan.run/[镜像仓库地址]/pytorch-jupyter-cuda:latest

访问Jupyter Notebook

1. 查看容器日志获取访问令牌：

   bash
   docker logs pytorch-jupyter
   

2. 在输出日志中找到类似以下内容：

   http://127.0.0.1:8888/?token=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
   

3. 复制URL在浏览器中打开，即可访问Jupyter Notebook界面

环境变量配置

示例：设置Jupyter密码

bash
# 生成密码哈希（需先安装notebook）
python -c "from notebook.auth import passwd; print(passwd())"

# 使用密码运行容器
docker run -d -p 8888:8888 -e JUPYTER_PASSWORD='sha1:xxxxxx' docker.xuanyuan.run/[镜像仓库地址]/pytorch-jupyter-cuda:latest

docker-compose配置示例

yaml
version: '3'
services:
  pytorch-jupyter:
    image: [镜像仓库地址]/pytorch-jupyter-cuda:latest
    ports:
      - "8888:8888"
    volumes:
      - ./notebooks:/workspace
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    environment:
      - JUPYTER_PASSWORD=sha1:xxxxxx
      - WORKSPACE=/workspace