DockerでオリジナルTensorFlowイメージを作る

最終更新日　 2019/10/19

使用OS ver　Ubuntu18.04

version Tensorflow 1.15.0 or 2.0.0、Docker19.03.03、OpenCV

GPU 　　あり

Proxy　　　 あり、なし両方

はじめに

まずは下記を読んでおくこと

Tensorflowのコンテナで動作確認

イメージのDLとRUN

Docker コンテナの起動

1.xなら下記

$ docker run --gpus all -it --rm -v $(pwd)/work:/tf/work -p 8888:8888 tensorflow/tensorflow:1.15.0-gpu-py3-jupyter

2.xなら下記

$ docker run --gpus all -it --rm -v $(pwd)/work:/tf/work -p 8888:8888 tensorflow/tensorflow:2.0.0-gpu-py3-jupyter

(参考)引数の意味

--rm

終了時にコンテナ削除

-it

フォアグラウンド・モード。ターミナルでコンテナを実行することができる

-i ： STDINをアタッチ。コンソールからの入力が指定したdockerコンテナ内に流れる。

-t ： dockerコンテナに疑似ターミナル(tty)割当て。dockerコンテナ内のコンソールを表示する

exitでターミナル終了。コンテナも停止する。終了したくない場合は「CTRL + p + q」で抜ける

-p 8888:8888

コンテナのポートを8888でホスト側に公開する

-v $(pwd)/notebook:/tf/notebooks

現在のディレクトリ(testdir)とdocker内のworkdirを繋ぐ

下記のような表示がでるのでトークンのみコピー

Copy/paste this URL into your browser when you connect for the first time,

to login with a token:

jupyter notebookへアクセス

トークンを入れてログイン

tensorflow-tutorials/classification.ipynbを開いて実行してみよう

これはFashionMnistのノート。最後までRUNして結果が出せたら動作確認はOK

https://gyazo.com/d3cdc61e651acbf00e2b3f1df901ce23

Dockerfileでmodels、OpenCV対応のイメージを作る

元にするイメージを調査

試しにtensorflow:2.0.0-gpu-py3-jupyterを元にイメージを作ろう

イメージを作る前に色々調べる

bashでDocker コンテナの起動

$ docker run --gpus all -it --rm -v $(pwd)/work:/tf/work -p 8888:8888 tensorflow/tensorflow:2.0.0-gpu-py3-jupyter bash

OSを調べる

$ cat /etc/lsb-release

ubuntu18.04.3ベースであることがわかる

pythonのverを調べる

$ python --version

Python3.6.8ベースであることがわかる

aptで入っているものを調べる

$ dpkg -l

足りないものをDockerfileに書いていく

pipで入っているものを調べる

$ pip list

足りないものをDockerfileに書いていく

Dockerfileを作成

Dockerfileを新規作成

$ vim Dockerfile

調べた内容を考慮しつつ、Dockerfileを記述する（今回はmodelsも使えるように書いた）

イメージ作成

Dockerfileがあるディレクトリへ移動

$ cd ~/Dockerfiles/tensorflow-2.0.0-cv-models

Dockerfileからイメージをビルド

$ sudo docker build -t tf-2.0.0:gpu-py3-jupyter-models-cv-0.1 .

tf-2.0.0がimage名、gpu-py3-jupyter-models-cv-0.1がtag名になる

最後の"."はDockerfileがカレントディレクトリにあるという意味

build successfullyと出ればOK

確認

$ docker images

tf-2.0.0が出てきたらOK

homeに移動

$ cd ~

以下、参照

作成したイメージを起動

$ docker run --gpus all -it --rm -v $(pwd)/work:/tf/work -p 8888:8888 tf-2.0.0:gpu-py3-jupyter-models-cv-0.1

jupyter notebookへアクセス

あとはお好きに...

Tips：imageの消し方

全imageを調べる

$ docker image ls

こんな感じで出る

code:console

REPOSITORY TAG IMAGE ID CREATED SIZE

nvidia/cuda 9.0-runtime 741f48edc60d 4 weeks ago 902MB

nvidia/cuda 10.0-base-ubuntu18.04 a55b7fc6f6a0 5 weeks ago 135MB

hello-world latest fce289e99eb9 4 months ago 1.84kB

tensorflow/tensorflow 1.10.0-gpu-py3 0b4ceed1758b 9 months ago 3.08GB

imageを消す

コンテナが稼働していない場合

下記で消せる

$ docker image rm <IMAGE ID>

コンテナが稼働している

稼働しているコンテナのCONTAINER IDを調べる

$ docker ps -a

消したいImageがコンテナとして稼働していれば、コンテナを落とす

$ docker rm <CONTAINER ID>

image削除

$ docker image rm <IMAGE ID>