問題

機械学習プログラム環境の実行には、多くの場合、次の側面が含まれます。

ハードウェア、intel x86、amd、arm、その他のチップ
オペレーティングシステム、Windows、ubuntu、centos、macなど、64ビット、32ビットなどを検討してください。
グラフィックカードドライバ等などNVIDIA GPUグラフィックスカードの使用、1070ti、1080ti、として、グラフィックスカードは、ドライバ、CUDA、cudnnを含む、インストールの問題
開発言語：現在の主流の機械学習実験開発言語はpythonです。これには、Pythonバージョン管理の問題、さまざまな依存関係パッケージの管理、および分離の問題が含まれます。
主流の機械学習フレームワークは、tensorflow、pytorch、keras（tensorflow2.0にはライブラリが直接含まれています）、nniなど、前の4つの質問とは異なる依存関係があります。たとえば、うまくいけば、pytochはインストールごとにそれぞれの状況を一覧表示します。方法

、しかし、たとえば、tensorflowは、各バージョンのテンソルフローがコンパイルに依存するosとcudaのバージョンをユーザーに通知しないため、ユーザーのインストール環境に長い間問題が発生することがよくあります。

ソリューション

上記の問題への対応：

通常、intelx86チップを使用します。オペレーティングシステムは通常、x86 64ビットLinuxオペレーティングシステムを使用します。以前はubuntu14.04でしたが、現在はubuntu18.04 x64が徐々に普及しています。たとえば、nvidia社の公式ドッカーイメージ「nvidia / cuda：10.0-base」 "はデフォルトでubuntu18.04です。
ほとんどの機械学習フレームワークは、ubuntu18.04linxuオペレーティングシステムバージョンでの実行をすでにサポートしています。
ホストマシンはドライバーとともにインストールする必要があります。たとえば、ホストマシンは次のとおりです。Nvidiaのグラフィックスドライバーの最新バージョン「NVIDIA-Linux-x86_64-460.39.run」をインストールします。特定のドライバーは、Nvidiaの公式Webサイトで選択およびフィルタリングできます。。これが1070tiグラフィックカードです。Linuxの本番安定バージョン環境「https://www.nvidia.cn/Download/index.aspx?lang=cn」を選択します。ダウンロード、および国内インターネットが遅いため速度、私はBaiduクラウドディスクにコピーを入れました： "リンク：https
：//pan.baidu.com/s/1b_FTjx4UsDhyWfNTfCjw3w抽出コード：6666"、それがWindows環境の場合は、最新のNvidiaドライバーをインストールし、 dockerのミラーイメージ：「nvidia / cuda：10.0-base」、Cuda10.0cudnnがデフォルトでインストールされます

Miniconda3-py39_4.9.2-Linux-x86_64.shバージョンのminicondaを、イメージ「nvidia / cuda：10.0-base」に基づいたコンテナーにインストールします。この最新バージョンをインストールする利点は、最小の基本的なpythonの種類を取得できることです。インストールスペースバージョンと依存ライブラリ、例： "conda create --name yolov5_py3.8 python = 3.8"、自動構成環境変数をインストールした後、再利用可能なドッカーにパッケージ化できます。これは、作成者が作成したドッカーです。：registry.cn-hangzhou.aliyuncs.com/allen135681/easyml： ubuntu18.04-nvidia_cuda10.0-base-Miniconda3-py39_4.9.2次のコマンドを実行して、ドッカーをローカルにダウンロードします。Windows 10では、wsldockerテクノロジーを使用してイメージをプルできます。

sudo docker pull registry.cn-hangzhou.aliyuncs.com/allen135681/easyml:ubuntu18.04-nvidia_cuda10.0-base-Miniconda3-py39_4.9.2

上記のDockerの構成は主に次のとおりです。

docker pull名字：
registry.cn-hangzhou.aliyuncs.com/allen135681/easyml:ubuntu18.04-nvidia_cuda10.0-base-Miniconda3-py39_4.9.2

以上docker镜像基于英伟达官网的镜像nvidia/cuda 10.0-base eb416c0a142e 2 months ago 109MB 该基础镜像os是ubuntu18.04

以下内容是添加的内容：

1，添加apt 阿里云源： 
#添加阿里源 
deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse 
deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse 
deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse 
deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse 
deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse 
deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse 
deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse

2，apt update;apt install vim安装vim

3，“/root/miniconda3/”目录下安装 Miniconda3-py39_4.9.2-Linux-x86_64.sh 自动配置环境变量，配置好后：conda 4.9.2 Python 3.9.1 pip 20.3.1

さまざまな機械学習用のライブラリは、さまざまなオペレーティングシステムバージョン、cudaバージョン、およびpythonバージョンで構築される可能性があり、このバージョンで呼び出す必要があります。したがって、パート4のアイデアを模倣して、複数の同様のDockerイメージファイルを構築する必要があります。後で、作成者はさまざまな機械学習ライブラリ用にさらに多くのDockerイメージパッケージをリリースする予定です。

総括する

上記の鏡像の祝福で、誰もが資格のあるスカルパーになることができます。ベースライン、SOTAなどをすばやく再現します。

問題

ソリューション

総括する

おすすめ