Docker Deep Learning - 2019

Se provee un ambiente Docker listo para utilizar, con las siguientes herramientas/librerias instaladas:

• Python3 (3.6.8)
• Jupyter Core (4.5.0)
• Jupyter Notebook (5.7.8)
• Tensorflow (1.14.0)
• ipython (7.5.0)
• numpy (1.16.4)
• matplotlib (3.1.0)
• keras (2.3.0)
• scikit-learn (0.21.3
• scikit-image (0.15.0)
• pip (manejador de dependencias para Python)
• git
• vim

Requisitos

• Docker
• docker-compose
• git

Setup

Se puede utilizar directamente la imágen de Docker. Ver la sección paquetes de este repositorio. De ésta manera, directamente se puede correr un contenedor utilizando docker pull

1. Clonar el repositorio

  git clone https://github.com/ortuagustin/deeplearning-docker
  cd deeplearning-docker

2. Configurar las variables de entorno; para ello, crear un archivo .env y asignar los valores deseados; se puede tomar como partida el archivo .env.example provisto: cp .env.example .env. Ver variables de entorno.
3. Construir y levantar los contenedores: docker-compose up -d --build. El contenedor va a instalar con pip las dependencias indicadas en el archivo requirements.txt en la raiz del repositorio.

Notar que el nombre del contenedor es creado es tf (ver docker-compose.yml).

4. Jupyter Notebook queda levantado en http://localhost:{JUPYTER_NOTEBOOK_PORT}. Por defecto, http://localhost:8888.
5. Ver más comandos útiles.

Variables de entorno

Las variables de entorno utilizadas por el contenedor se definen en archivos .env como es habitual al utilizar docker. Para ello, debemos crear un archivo .env en el directorio raíz del repositorio y asignar los valores deseados a las variables de entorno.

Hay dos variables para configurar:

• JUPYTER_NOTEBOOK_PORT: Puerto en el que corre jupyter notebook (con el que luego se accede por el navegador). Por defecto es 8888.
• WORK_DIR: directorio mapeado dentro del contenedor mediante un volúmen. Dentro del contenedor, el directorio es /tf. El direcorio por defecto que se mapea es la carpeta work de este repositorio.

Se provee un archivo .env.example que se puede utilizar como punto de partida:

  cp .env.example .env

Comandos utiles

Construir los contenedores (primera vez o cuando hay cambios):

  docker-compose build && docker-compose up -d

ó, alternativamente:

  docker-compose up -d --build

Levantar los contenedores:

  docker-compose up -d

Verificar que estén levantados usando: docker-compose ps

Detener los contenedores:

  docker-compose down

Abrir una terminal bash dentro del contenedor:

  docker-compose exec tf bash

Abrir una terminal interactiva python dentro del contenedor:

  docker-compose exec tf python3

Problemas comunes

1. En Linux, para no tener que usar sudo en los comandos de docker, hay que agregar al usuario al grupo docker:

  sudo usermod -aG docker $USER

Es necesario deslogearse para que los cambios tomen efecto.

2. Asegurarse que el servicio docker está corriendo. En Linux:

  # con systemctl
  sudo systemctl start docker

  # ó, con service
  sudo service docker start

Referencias

• https://www.tensorflow.org/install/docker