Ubuntu如何利用Docker部署PyTorch

在Ubuntu上使用Docker部署PyTorch的步骤如下：

1. 安装Docker

首先，确保你的Ubuntu系统上已经安装了Docker。如果没有安装，可以按照以下步骤进行安装：

# 更新包列表
sudo apt update

# 安装必要的包
sudo apt install apt-transport-https ca-certificates curl software-properties-common

# 添加Docker的官方GPG密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

# 添加Docker仓库
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

# 更新包列表
sudo apt update

# 安装Docker CE
sudo apt install docker-ce

# 启动Docker服务
sudo systemctl start docker

# 设置Docker开机自启
sudo systemctl enable docker

2. 拉取PyTorch Docker镜像

你可以从Docker Hub上拉取官方的PyTorch镜像。以下是一些常用的PyTorch镜像标签：

pytorch/pytorch: 基础PyTorch镜像
pytorch/pytorch:cuda11.7-cudnn8-runtime: 包含CUDA 11.7和cuDNN 8的PyTorch镜像
pytorch/pytorch:cpu: 仅CPU版本的PyTorch镜像

例如，拉取包含CUDA 11.7的PyTorch镜像：

docker pull pytorch/pytorch:cuda11.7-cudnn8-runtime

3. 运行Docker容器

拉取镜像后，你可以运行一个Docker容器来使用PyTorch。以下是一个基本的命令示例：

docker run --gpus all -it pytorch/pytorch:cuda11.7-cudnn8-runtime

--gpus all: 启用所有GPU（如果你有多个GPU）。
-it: 交互模式，允许你在容器内运行命令。

4. 在容器内使用PyTorch

进入容器后，你可以直接在容器内运行Python脚本或Jupyter Notebook来使用PyTorch。例如：

# 运行Python脚本
python your_script.py

# 启动Jupyter Notebook
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root

5. 持久化数据

如果你需要在容器内持久化数据，可以将数据卷挂载到主机上。例如：

docker run --gpus all -v /path/to/your/data:/data -it pytorch/pytorch:cuda11.7-cudnn8-runtime

这样，容器内的/data目录将映射到主机的/path/to/your/data目录。

6. 停止和删除容器

当你完成工作后，可以停止并删除容器：

# 停止容器
docker stop <container_id>

# 删除容器
docker rm <container_id>

总结

通过以上步骤，你可以在Ubuntu上使用Docker轻松部署和使用PyTorch。根据你的需求选择合适的镜像标签，并根据需要挂载数据卷以实现数据的持久化。