linux怎么查看本机内存大小
279
2022-08-28
cuda 9 nvidia-docker的使用历程
安装docker,nvidia-docker 之后:
#若是第一次,则是创建一个tensorflow:1.12.0-gpu-py3 镜像和容器#若是第二次,则是创建一个容器#--name wuyi 将容器的名字重命名为wuyi.可自己设置#8888:8888 容器端口 ,同一端口容器不能同时打开#-v /home/wy/docker_copy/wuyi:/notebooks/data 表示将宿主机下的/home/wy/docker_copy/wuyi路径的文件夹和容器下/notebooks/data文件夹共享,这样可以做到宿主机和容器下文件共享,#tensorflow/tensorflow:1.12.0-gpu-py3 1.12.0是因为因为cuda版本是9.0 所以安装对应版本的tensorflow-gpu,最新版本的不支持cuda 9nvidia-docker run --name wuyi -it -p 8888:8888 -v /home/wy/docker_copy/wuyi:/notebooks/data tensorflow/tensorflow:1.12.0-gpu-py3
等待下载好之后,会出现
我安装1.12版本的,是用jupyter 来访问的,所以对比红框中链接,改成下面链接登录
,可以安装最新版本的,就不是jupyter的方式,根据自己的版本抉择
在弹出的jupyter中,选择terminar,粘贴如下代码,验证是否是gpu 在工作
import tensorflow as tfimport numpy as npx = tf.placeholder("float",shape=[None,1]) W = tf.Variable(tf.zeros([1,1]))b = tf.Variable(tf.zeros([1])) y = tf.matmul(x,W) +b y_ = tf.placeholder("float",[None,1]) cost = tf.reduce_sum(tf.pow((y_-y),2)) train_step = tf.train.GradientDescentOptimizer(0.001).minimize(cost) init = tf.initialize_all_variables() sess = tf.Session()sess.run(init) All_x = np.empty(shape=[1,1])All_y = np.empty(shape=[1,1]) for i in range(1000): x_s = np.random.rand(1,1) y_s = np.dot([[0.33]],np.random.rand(1,1)) + 0.33 feed = {x: x_s, y_: y_s} sess.run(train_step,feed_dict=feed) print("After %d iteration:"%i) print("W : %f"%sess.run(W)) print("b : %f"%sess.run(b)) All_x = np.concatenate((All_x,x_s)) All_y = np.concatenate((All_y,y_s))
结果如下:
docker 常用指令
#查看已有镜像docker images#查看已有容器docker ps -a#删除容器 (CONTAINER ID 为容器ID的名称)docker rm CONTAINER ID #创建一个tensorflow-gpu镜像和容器(查看上面所述的版本对应问题) sudo nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu#打开一个容器 CONTAINER ID 为容器ID的名称nvidia-docker start -i CONTAINER ID #安装pip3 使用apt-get需要网好apt-get install python3-pip#删除镜像ID或者名称都可以docker rmi image_id #创建一个python3下的tensorflow-gpu镜像(查看上面所述的版本对应问题)nvidia-docker pull tensorflow/tensorflow:latest-gpu-py3
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~