Introducción a un contenedor local de aprendizaje profundo

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

En esta página, se describe cómo crear y configurar un contenedor local de aprendizaje profundo. También, en esta guía, se espera que estés familiarizado con Docker.

Antes de comenzar

Completa los siguientes pasos para configurar una cuenta de Google Cloud, habilitar las API necesarias y, también, instalar y activar el software requerido.

  1. En Google Cloud Console, ve a la página Administrar recursos y selecciona un proyecto o crea uno nuevo.

    Ir a Administrar recursos

  2. Instala e inicializa la CLI de gcloud

  3. Instala Docker.

    Si usas un sistema operativo basado en Linux, como Ubuntu o Debian, agrega tu nombre de usuario al grupo docker para que puedas ejecutar Docker sin usar sudo:

    sudo usermod -a -G docker ${USER}
    

    Es posible que debas reiniciar tu sistema después de agregarte al grupo docker.

  4. Abre Docker. Para garantizar que Docker esté en funcionamiento, ejecuta el siguiente comando de Docker, que muestra la hora y la fecha actuales:

    docker run busybox date
    
  5. Usa gcloud como auxiliar de credenciales para Docker:

    gcloud auth configure-docker
    
  6. Opcional: Si deseas ejecutar el contenedor con GPU de forma local, instala nvidia-docker.

Crea tu contenedor

Sigue estos pasos para crear el contenedor.

  1. Para ver una lista de contenedores disponibles, sigue estos pasos:

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

    Se recomienda ir a Elige un contenedor para ayudarte a seleccionar el contenedor que deseas.

  2. Si no necesitas usar un contenedor habilitado para GPU, ingresa el siguiente ejemplo de código. Reemplaza tf-cpu.1-13 con el nombre del contenedor que deseas usar.

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

    Si deseas usar un contenedor compatible con GPU, ingresa el siguiente ejemplo de código. Reemplaza tf-gpu.1-13 con el nombre del contenedor que deseas 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
    

Con este comando, se inicia el contenedor en modo desconectado, se activa el directorio local /path/to/local/dir en /home/jupyter en el contenedor y se asigna el puerto 8080 en el contenedor al puerto 8080 de tu máquina local. El contenedor está preconfigurado para iniciar un servidor de JupyterLab, que puedes visitar en http://localhost:8080.

¿Qué sigue?