開始使用本機深度學習容器

本頁說明如何建立及設定本機深度學習容器。本指南假設您對 Docker 有基本認識。

事前準備

完成下列步驟以設定 Google Cloud 帳戶、啟用必要的 API，以及安裝並啟用必要的軟體。

1. 在 Google Cloud 主控台中，前往「管理資源」頁面，選取或建立專案。

   注意： 如果您不打算保留在本教學課程中建立的資源，請建立新專案，不要選取現有專案。這樣在課程結束後，您就可以刪除專案，移除與專案和教學課程相關聯的所有資源。

   前往「管理資源」

2. 安裝並初始化 gcloud CLI。

3. 安裝 Docker。

   如果您使用的是 Ubuntu、Debian 等以 Linux 為基礎的作業系統，請將您的使用者名稱加入 docker 群組，這樣就能在不使用 sudo 的情況下執行 Docker：

   sudo usermod -a -G docker ${USER}
   

   注意： docker 群組等同於 root 使用者。如要進一步瞭解此操作對系統安全性造成的影響，請參閱 Docker 說明文件。

   將自己加入 docker 群組後，您可能需要重新啟動系統。

4. 開啟 Docker。如要確認 Docker 正在運作，請執行下列 Docker 指令，這個指令會傳回目前的時間和日期：

   docker run busybox date
   

5. 使用 gcloud 做為 Docker 的憑證輔助程式：

   gcloud auth configure-docker
   

6. 選用：如要在本機環境中使用 GPU 來執行容器，請安裝 nvidia-docker。

建立容器

請按照下列步驟建立容器。

1. 如要查看可用的容器清單，請按照下列步驟操作：

   gcloud container images list \
     --repository="gcr.io/deeplearning-platform-release"
   

   您可以參考「選擇容器」一文，瞭解如何選取所需容器。

2. 如果您不需要使用支援 GPU 的容器，請輸入下列程式碼範例。將 tf-cpu.1-13 替換為您要使用的容器名稱。

   docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
     gcr.io/deeplearning-platform-release/tf-cpu.1-13
   

   如要使用支援 GPU 的容器，請輸入下列程式碼範例。將 tf-gpu.1-13 替換為您要使用的容器名稱。

   docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
     gcr.io/deeplearning-platform-release/tf-gpu.1-13
   

這個指令會在卸離模式下啟動容器，將本機目錄 /path/to/local/dir 掛接至容器中的 /home/jupyter，並將容器的 8080 通訊埠對應至本機的 8080 通訊埠。容器會預先設定為啟動 JupyterLab 伺服器，您可以前往 http://localhost:8080 查看。

後續步驟

• 如要進一步瞭解如何使用容器，請參閱 Docker 說明文件。