Docker, Pytorch 설치
💡 Docker
컨테이너 기반의 오픈 소스 가상화 플랫폼
- 각 요소들이 설치된 모습을
이미지
라는 형태로 박제해서 저장
⇒Docker Hub
에 업로드돼서 공유되고, 다운받을 수 있음 - 이미지로 저장된 항목들이 함께 연결돼서 동작하도록 설정된 상태를 명령어 텍스트나 문서 형태로 저장할 수도 있음
- Docker는
컨테이너
라고 불리는 독립된 가상 공간을 만들어내서 복원
❗ 가상 컴퓨팅하고는 다른 개념!!
-
가상 컴퓨팅은 한 물리적 컴퓨터 안에 각각 OS를 가동하는 가상 컴퓨터들이 물리적 자원을 분할해서 쓰기 때문에 성능에 한계 有
-
Docker는 OS단까지 내려가는 게 아니라 실행 환경만 독립적으로 돌리는 거라서 컴퓨터에 직접 요소를 설치한 거랑 별 차이 없는 성능을 낼 수 있고, 가상 컴퓨팅보다 훨씬 가볍고 빠르게 각각을 설치하고 실행할 수 있음
-
서버를 관리하고 배포하는 일이 전과는 비교도 안 되게 쉬워짐!!
-
왜 굳이 윈도우를 두고 우분투에서 사용할까? 하는 생각이 계속 들었는데 윈도우는 도커를 사용하기에 최악의 조건이라고 한다. 하하하
물론 도커에서는 윈도우 / 맥 / 리눅스를 지원해주고 있지만 윈도우는 아무래도 호환성이 떨어져서, 리눅스를 쓰는 게 가장 좋다고..!
그래도 윈도우에서 사용하는 데에 큰 어려움은 없다고 한다!
[출처] (진짜 쉽게 잘 설명해주심..) -
윈도우 위에 리눅스 가상머신을 올린 다음에 그 위에서 도커 엔진을 돌리는 방식이기 때문에 기본적으로 윈도우 운영체제가 가상화 기능을 사용할 수 있어야 함
- 아무튼 우분투 자료들이 많기 때문에 우분투 위에서 설치해보기로 함!
💡 Pytorch
Python을 위한 오픈소스 머신 러닝 라이브러리
Torch
기반- GPU 사용이 가능하기 때문에 속도가 상당히 빠름
📌 Docker, Pytorch 설치
- 참고
Ubuntu
에서 진행
1. Docker 설치
curl -fsSL https://get.docker.com/ | sudo sh
💡 Docker 버전 확인
⇒docker version
- 위처럼
Client
와Server
가 뜨면 성공
2. Nvidia Toolkit 설치
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
3. Pytorch 설치
docker pull pytorch/pytorch:1.9.0-cuda10.2-cudnn7-runtime
💡 다운받은 Image 확인
⇒docker images
4. Container 생성 및 실행
docker run -it --gpus all --name prj_ai pytorch/pytorch:1.6.0-cuda10.1-cudnn7-devel /bin/bash
🆘 디스크 용량 늘리기
용량이 부족으로 중간에 중단됨😅
- 참고해서 용량 늘렸다!
-
container
생성,/bin/bash
가 바로 실행되어 Container 내부에서 터미널이 열려 있는 상태잘 실행되는 걸 볼 수 있다.
-
문제는 내 노트북이 nvidia 그래픽카드를 사용하고 있지 않아서 GPU 사용이 어렵게 됐다...
Author And Source
이 문제에 관하여(Docker, Pytorch 설치), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@jiyeah3108/Docker-Pytorch를-이용한-AI-모델-구동1저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)