本地 Deep Learning Containers 容器使用入门

本页面介绍如何创建和设置本地 Deep Learning Containers 容器。本指南假设您熟悉 Docker 的基本知识。

准备工作

完成以下步骤以设置 Google Cloud 账号，启用所需的 API，以及安装和激活所需的软件。

在 Google Cloud Console 中，转到管理资源页面，然后选择项目或创建项目。

注意：如果您不打算保留在本教程中创建的资源，请创建一个新项目，而不是选择现有项目。完成本教程后，您可以删除所创建的项目，从而移除与该项目和教程关联的所有资源。
转到“管理资源”
安装并初始化 gcloud CLI。
安装 Docker。

如果您使用的是基于 Linux 的操作系统（例如 Ubuntu 或 Debian），请将您的用户名添加到 docker 群组，这样您就可以在不使用 sudo 的情况下运行 Docker：
```
sudo usermod -a -G docker ${USER}
```
注意：docker 群组相当于 root 用户。如需详细了解该群组对系统安全性有何影响，请参阅 Docker 文档。
在将您自己添加到 docker 群组之后，您可能需要重启系统。
打开 Docker。若要确保 Docker 正在运行，请运行以下 Docker 命令，该命令返回当前时间和日期：
```
docker run busybox date
```
使用 gcloud 作为 Docker 的凭据帮助程序：
```
gcloud auth configure-docker
```
可选：如果要在本地使用 GPU 运行容器，请安装 nvidia-docker。

创建容器

按照以下步骤创建容器。

如需查看可用容器的列表，请执行以下操作：
```
gcloud container images list \
  --repository="gcr.io/deeplearning-platform-release"
```
您可以查看选择容器，了解如何选择需要的容器。
如果您不需要使用启用了 GPU 的容器，请输入以下代码示例。将 tf-cpu.1-13 替换为您要使用的集群的名称。
```
docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-cpu.1-13
```
如果您要使用启用了 GPU 的容器，请输入以下代码示例。将 tf-gpu.1-13 替换为您要使用的集群的名称。
```
docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-gpu.1-13
```

此命令会以分离模式启动容器，将本地目录 /path/to/local/dir 装载到容器中的 /home/jupyter，并将容器上的端口 8080 映射到本地机器上的端口 8080。该容器已预先配置为启动 JupyterLab 服务器，您可以通过 http://localhost:8080 访问该服务器。

后续步骤

如需详细了解如何使用容器，请参阅 Docker 文档。