项目地址：https://github.com/ufoym/deepo

因为 Deepo 是一系列 Docker 镜像，所以它要求先安装 Dokcker 客户端与环境。Docker 主要是希望创建可移植软件的轻量容器，并让这些软件可以在任何安装了 Docker 的机器上运行，而不用关心底层操作系统。所以希望利用该项目安装深度学习环境的读者首先需要了解 Docker。

Deepo 是一系列 Docker 镜像，它的主要特征有：

允许我们快速配置深度学习环境

支持几乎所有常见的深度学习框架

支持 GPU 加速（包括 CUDA 和 cuDNN）, 同样在 CPU 中运行良好

支持 Linux（CPU 版和 GPU 版）、OS X（CPU 版）、Windows（CPU 版）

Deepo 的 Dockerfile 生成器主要有以下特征：

允许使用类似乐高那样的模块自定义环境

自动解决依赖项问题

安装

第一步：安装 Docker 和 nvidia-docker：

Docker：https://docs.docker.com/engine/installation/

nvidia-docker：https://github.com/NV

第二步：使用以下命令行从 Docker Hub 获取 一体式镜像

docker pull ufoym / deepo

用法

现在我们可以尝试使用以下命令：

nvidia - docker run -- rm ufoym / deepo nvidia - smi

这个命令应该能令 Deepo 从 Docker 容器中使用 GPU，如果该命令不起作用，那么可以在 nvidia-docker GitHub 项目中搜索 Issues 部分，上面有很多解决方案。为了获得一个和容器交互的 shell，它不会在我们推出后自动删除，我们需要键入：

nvidia - docker run - it ufoym / deepo bash

如果我们希望在主机（机器或虚拟环境）和容器间共享数据和配置，那么可以使用 -v 选项：

nvidia - docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo bash

该命令会将主机可视的 /host/data 变为容器中的/data，/host/config 作为/config。这种隔离减少了集装箱化试验重写或使用错误数据。

注意有些框架（如 PyTorch）是噢用共享内存以在进程中共享数据，所以如果使用默认的共享内存分区大小，那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。

nvidia - docker run - it -- ipc = host ufoym / deepo bash

安装

第一步：安装 Docker

第二步：使用以下命令行从 Docker Hub 获取 一体式镜像

docker pull ufoym / deepo : cpu

用法

现在我们能尝试使用以下命令行：

docker run - it ufoym / deepo : cpu bash

如果我们希望在主机（机器或虚拟环境）和容器间共享数据和配置，那么可以使用 -v 选项：

docker run - it - v / host / data :/ data - v / host / config :/ config ufoym / deepo : cpu bash

注意有些框架（如 PyTorch）是噢用共享内存以在进程中共享数据，所以如果使用默认的共享内存分区大小，那么容器运行多进程是不够的。因此我们需要使用 nvidi-docker 运行 --ipc=host 或 --shm-size 命令增加共享内存大小。

docker run - it -- ipc = host ufoym / deepo : cpu bash

本文为机器之心编译， 转载请联系本公众号获得授权 。