Esta página foi traduzida pela API Cloud Translation.

Introdução a um contêiner de aprendizado profundo local

Esta página descreve como criar e configurar um Deep Learning Container local. Para este guia, você precisa estar familiarizado com o Docker (em inglês).

Antes de começar

Conclua as etapas a seguir para configurar uma conta do Google Cloud, ativar as APIs necessárias, além de instalar e ativar o software necessário.

No Console do Google Cloud, acesse a página Gerenciar recursos e selecione ou crie um projeto.

Observação: se você não pretende manter os recursos criados neste tutorial, crie um novo projeto em vez de selecionar um existente. Depois de terminar, é possível excluir o projeto, removendo todos os recursos associados ao projeto e ao tutorial.

Acessar a página Gerenciar recursos
Instale e inicialize a CLI gcloud.
Instale o Docker.

Se você estiver usando um sistema operacional baseado em Linux, como Ubuntu ou Debian, adicione seu nome de usuário ao grupo docker para executar o Docker sem usar sudo:
```
sudo usermod -a -G docker ${USER}
```
Cuidado: o grupo docker equivale ao usuário root. Consulte a documentação do Docker para saber como isso afeta a segurança do sistema.

Talvez seja necessário reiniciar o sistema depois de adicionar você mesmo ao grupo docker.
Abra o Docker. Para garantir que ele esteja funcionando, execute o comando do Docker a seguir, que retorna a hora e a data atuais:
```
docker run busybox date
```
Use o gcloud como auxiliar de credencial do Docker:
```
gcloud auth configure-docker
```
Opcional: se você quer executar o contêiner pela GPU no local, instale o nvidia-docker (em inglês).

Criar seu contêiner

Siga estas etapas para criar seu contêiner:

Para ver uma lista de contêineres disponíveis, faça o seguinte:
```
gcloud container images list \
  --repository="gcr.io/deeplearning-platform-release"
```
Acesse Como escolher um contêiner para ajudar a selecionar o contêiner desejado.
Se você não precisar usar um contêiner ativado para a GPU, insira o exemplo de código a seguir. Substitua tf-cpu.1-13 pelo nome do contêiner que você quer usar.
```
docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-cpu.1-13
```
Se você quiser usar um contêiner ativado para GPU, insira o exemplo de código a seguir. Substitua tf-gpu.1-13 pelo nome do contêiner que você quer usar.
```
docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-gpu.1-13
```

Esse comando inicia o contêiner no modo separado, monta o diretório local /path/to/local/dir em /home/jupyter no contêiner e mapeia a porta 8080 no contêiner para a porta 8080 na máquina local. O contêiner é pré-configurado para iniciar um servidor JupyterLab, que pode ser acessado em http://localhost:8080.

A seguir

Saiba mais sobre como trabalhar com contêineres na documentação do Docker.