Introduzione a un container di deep learning locale

In questa pagina viene descritto come creare e configurare un contenitore di deep learning locale. Questa guida prevede che tu abbia familiarità con Docker.

Prima di iniziare

Completa i passaggi seguenti per configurare un account Google Cloud, abilitare le API richieste e installare e attivare il software richiesto.

In Google Cloud Console, vai alla pagina Gestisci risorse e seleziona o crea un progetto.

Nota: se non prevedi di conservare le risorse create in questo tutorial, crea un nuovo progetto anziché selezionarne uno esistente. Al termine, puoi eliminare il progetto, rimuovendo tutte le risorse associate al progetto e al tutorial.

Vai a Gestisci risorse
Installa e inizializza gcloud CLI.
Installa Docker.

Se usi un sistema operativo basato su Linux, ad esempio Ubuntu o Debian, aggiungi il tuo nome utente al gruppo docker in modo da poter eseguire Docker senza utilizzare sudo:
```
sudo usermod -a -G docker ${USER}
```
Attenzione: il gruppo docker equivale all'utente root. Consulta la documentazione di Docker per i dettagli su come questo influisce sulla sicurezza del tuo sistema.

Potrebbe essere necessario riavviare il sistema dopo esserti aggiunto al gruppo docker.
Apri Docker. Per assicurarti che Docker sia in esecuzione, esegui il seguente comando Docker, che restituisce l'ora e la data correnti:
```
docker run busybox date
```
Utilizza gcloud come helper delle credenziali per Docker:
```
gcloud auth configure-docker
```
(Facoltativo) Se vuoi eseguire il container utilizzando la GPU localmente, installa nvidia-docker.

Crea il contenitore

Per creare il contenitore, segui questi passaggi.

Per visualizzare un elenco dei contenitori disponibili:
```
gcloud container images list \
  --repository="gcr.io/deeplearning-platform-release"
```
Per informazioni su come selezionare il contenitore, consulta Scelta di un contenitore.
Se non è necessario utilizzare un container abilitato per GPU, inserisci il seguente esempio di codice. Sostituisci tf-cpu.1-13 con il nome del container che vuoi utilizzare.
```
docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-cpu.1-13
```
Se vuoi utilizzare un container abilitato per GPU, inserisci il seguente esempio di codice. Sostituisci tf-gpu.1-13 con il nome del container che vuoi utilizzare.
```
docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-gpu.1-13
```

Questo comando avvia il container in modalità scollegato, monta la directory locale /path/to/local/dir in /home/jupyter nel container e mappa la porta 8080 del container alla porta 8080 sulla macchina locale. Il container è preconfigurato per l'avvio di un server JupyterLab, che puoi visitare all'indirizzo http://localhost:8080.

Passaggi successivi

Scopri di più su come utilizzare i container nella documentazione di Docker.