前面写过一篇文档，如何在 CentOS 安装 GPU 驱动 ，这篇就来看看怎么利用 Docker 运行 Tensorflow 。
1. 检查当前 CPU 支持的 Tensorflow 版本
在不支持 AVX 指令的 CPU 上，运行 Tensorflow > 1.15 版本时，会报错，Illegal instruction (core dumped)。执行检测命令：
1
2
3
|
cat /proc/cpuinfo | grep avx
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 syscall nx rdtscp lm constant_tsc rep_good nopl xtopology eagerfpu pni pclmulqdq ssse3 fma cx16 pcid sse4_1 sse4_2 x2apic movbe popcnt tsc_deadline_timer aes xsave avx f16c rdrand hypervisor lahf_lm abm 3dnowprefetch fsgsbase bmi1 hle avx2 smep bmi2 erms invpcid rtm rdseed adx smap xsaveopt arat
|
如果有查询结果，说明支持。常见的 CPU 体系结构 SandyBridge, IvyBridge, Haswell, Broadwell, Skylake, CasecadeLake 都支持 AVX 指令，除了 Westmere 。
2. GPUCPU 模式运行
使用如下脚本查看运行环境中的设备：
1
2
|
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
|
分别起两个版本的 Jupyter 。
1
2
|
mkdir ~/notebooks
docker run --name tf-gpu -d --runtime=nvidia --rm -it -v $(realpath ~/notebooks):/tf/notebooks -p 8881:8888 tensorflow/tensorflow:latest-gpu-jupyter
|
查看登录秘钥，返回的 token 值为登录秘钥。
1
2
3
4
5
6
7
8
9
|
docker exec -it tf-gpu cat /root/.local/share/jupyter/runtime/nbserver-1-open.html
<!DOCTYPE html>
<p>
This page should redirect you to Jupyter Notebook. If it doesn't,
<a href="http://0.0.0.0:8888/tree?token={{token}}">click here to go to Jupyter</a>.
</p>
</body>
|
1
2
|
mkdir ~/notebooks
docker run --name tf-cpu -d --rm -it -v $(realpath ~/notebooks):/tf/notebooks -p 8882:8888 tensorflow/tensorflow:latest-jupyter
|
查看登录秘钥，返回的 token 值为登录秘钥。
1
2
3
4
5
6
7
8
9
|
docker exec -it tf-cpu cat /root/.local/share/jupyter/runtime/nbserver-1-open.html
<!DOCTYPE html>
<p>
This page should redirect you to Jupyter Notebook. If it doesn't,
<a href="http://0.0.0.0:8888/tree?token={{token}}">click here to go to Jupyter</a>.
</p>
</body>
|
3. 参考链接
- https://github.com/nvidia/nvidia-container-runtime
