Docker modelo pytorch de aprendizaje profundo empaquetado y ejecutado

Registrar los códigos pertinentes de evaluación de imagen médica del Ministerio de Industria y Tecnologías de la Información.
Imagen de almacén público pull
docker pull ai-hub.3incloud.com/library/pytorch/pytorch:1.2-cuda10.0-cudnn7-runtime
package
docker run -it (ID de imagen) /bin/bash
pip install torch1.7.0+cu101 antorcha visión0.8.1+cu101 torchaudio==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install albumments opencv-contrib-python segmentation-models-pytorch
copy
docker cp (pwd) (ID del contenedor ):/workspace/
bash file
docker commit (ID del contenedor) ai-hub.3incloud.com/comp_18/eye
docker tag (image:1.0) ai-hub.3incloud.com/username/official
upload private mirror warehouse
docker login ai- hub.3incloud.com
docker push ai-hub.3incloud.com/comp_18/eye
sandbox
docker pull docker pull ai-hub.3incloud.com/username/classify:latest
docker run --gpus all -it -v /data/ data1 /datos de enfermedades de la superficie ocular: /workspace/data_eye ai-hub.3incloud.com/comp_18/eye /bin/bash
sudo docker cp (ID del contenedor):/workspace/pipeline/result.csv /data/result.csv
sftp上传
sftp [email protected]
cd sandbox_result/
put ./result.csv ./

Eliminar imagen
docker rmi (ID de imagen)/ $(dockerimages-q)-feliminarcontenedordockerrm\left(containerID\right)/$ (docker ps -aq)
stop/start/restart$container$$docker$$stop$$/$$start$$/$$restart$$($$container$$ID$
)$no$$Cerrar$$y$
salir el contenedor
Ctrl+P+Q
para ingresar a la
ventana acoplable del contenedor en ejecución adjuntar

docker19 es compatible con el entorno de GPU en ejecución
Instalar Nvidia-container-runtime

curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | \
  sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
sudo apt-get update
sudo apt nvidia-container-runtime

ejecutar comando

docker run --gpus all -it -v /data/data1/眼表疾病数据:/workspace/data_eye ai-hub.3incloud.com/comp_18/eye /bin/bash

python classify_dataset_new.py --data_dir ***** --save_csv “result.csv” --device “gpu”
Nvidia-container-runtime