imcomking/bi_deeplearning

镜像概述

本Docker镜像基于Ubuntu 14.04系统，集成了TensorFlow、Theano、Torch、Scikit-learn、Keras、Caffe等主流深度学习框架及相关工具，支持CUDA 7.5/8与CuDNN v5.1的GPU加速（需主机提前安装对应版本），适用于深度学习模型的开发、训练与实验场景。

核心功能

• 多框架集成：包含TensorFlow r0.10.0、Theano（2016.9.19最新版）、Torch 7（2016.9.19最新版）、Scikit-learn（2016.9.19最新版）、Keras（2016.9.19最新版）、Caffe（2016.9.19最新版）等；
• GPU加速支持：兼容CUDA 7.5/8及CuDNN v5.1，需主机预先配置对应驱动与库；
• 辅助工具：提供IPython Notebook 3.2.1、SSH/SFTP服务、Bazel 0.3.1等，满足开发与远程访问需求；
• 预装依赖：已安装build-essential、cmake、git等开发工具及numpy、pandas等数据处理库。

使用场景

• 深度学习模型的开发与调试；
• 大规模数据集的GPU加速训练；
• 学术研究中的多框架对比实验；
• 远程访问容器进行模型开发（通过SSH/SFTP或IPython Notebook）。

配置说明

主机环境要求

• CUDA 7.5用户：需安装NVIDIA驱动367.44、CUDA 7.5及CuDNN v5.1；
• CUDA 8用户：需安装NVIDIA驱动375.26、CUDA 8及CuDNN v5.1；
• 非GPU用户：无需额外配置。

Docker部署示例

GPU模式运行

bash
docker run -it --device /dev/nvidiactl --device /dev/nvidia-uvm --device /dev/nvidia0 --dns=8.8.8.8 -p 22 -p 6006 -p 8888 imcomking/bi_deeplearning

常见问题解决：

• 若出现"/dev/nvidia-uvm": lstat /dev/nvidia-uvm: no such file or directory：先在主机执行nvidia-smi，若无效则运行：

  bash
  sudo apt-get install nvidia-modprobe
  sudo modprobe nvidia-uvm
  sudo mknod -m 666 /dev/nvidia-uvm c 250 0
  

• 若出现failed call to cuInit: CUDA_ERROR_UNKNOWN：在主机执行：

  bash
  wget https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl
  sudo pip install --upgrade tensorflow-0.10.0-cp27-none-linux_x86_64.whl
  export PATH=/usr/local/cuda/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
  

非GPU模式运行

bash
docker run -it --dns=8.8.8.8 -p 22 -p 6006 -p 8888 imcomking/bi_deeplearning

服务配置

IPython Notebook设置

1. 进入容器后执行：

   bash
   cd /root
   python setup_nbserver.py
   

2. 输入密码；
3. 启动Notebook：

   bash
   screen -S ipy
   ipython notebook --profile=nbserver
   

4. 按ctrl + AD后台运行。

SSH/SFTP设置

1. 设置root密码：

   bash
   passwd
   

2. 下载配置文件：

   bash
   wget https://raw.githubusercontent.com/bi-lab/deeplearning_tutorial/master/sshd_config -O /etc/ssh/sshd_config
   

3. 启动SSH服务：

   bash
   screen -S ssh
   /usr/sbin/sshd -D
   

4. 按ctrl + AD后台运行；
5. 访问用户：root。