在Ubuntu服务器上部署可以支持GPU加速的给予pytorch的Docker容器

1. 安装 NVIDIA Container Toolkit:

按照英伟达官网Instruction就好了.大概为以下几部:

安装Docker-CE安装nvidia-docker2

2. 按照需求拉取你想要的cuda Docker镜像

我这里服务器版本是Ubuntu 18.04, CUDA版本为10.1,因此,拉取一个10.1-cudnn7-runtime-ubuntu18.04 就好了

docker pull nvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04

3. 根据需求编写Dockerfile文件,创建适合自己的镜像

FROM nvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04 RUN apt-get update RUN apt-get install -y libsm6 libxrender1 libxext-dev unzip RUN apt-get -y install python3 RUN apt-get -y install python3-pip WORKDIR /app ADD . /app RUN pip3 install --trusted-host pypi.python.org -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ EXPOSE 8000 CMD ["uwsgi", "TorchServer8510/uwsgi_8510.ini"]

其中requirements.txt文件如下

cmake==3.17.3 Django==3.0.8 easydict==1.9 facenet-pytorch==2.2.9 future==0.18.2 h5py==2.10.0 matplotlib==3.2.1 numpy==1.19.1 onnx==1.7.0 opencv-python==4.2.0.34 Pillow==7.1.2 protobuf==3.13.0 scikit-learn==0.23.1 scipy==1.4.1 -f https://download.pytorch.org/whl/torch_stable.html torch==1.5.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html torchvision==0.6.0+cu101 tqdm==4.46.1 urllib3==1.25.9 uWSGI==2.0.19.1

之后就可以开始创建镜像了

docker build -t facereco_v2 .

创建完成只有就可以运行一个容器

docker run -d -it -p 8515:8510 --gpus all facereco_v2