Docker 部署深度学习 运行deeplabV3

这篇具有很好参考价值的文章主要介绍了Docker 部署深度学习 运行deeplabV3。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

本文主要介绍docker发展历史,常用的镜像,容器命令。以及部署深度学习环境,运行deeplabV3 项目。


一、Docker简介

2010年,美国一家公司dotcloud做一些pass的云计算服务,lxc有关的容器技术,他们讲自己的技术(容器化技术)命名为Docker。
刚诞生的时候,没有引起关注,然后2013年,他们讲Docker开源,一鸣惊人。

二、帮助命令

1.查看版本信息:docker version
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
2.查看系统信息:docker info
3.帮助命令:docker --help怎样讲deeplabv3+部署在web端,docker,docker,深度学习

三、镜像常用命令

1.搜索镜像:docker search 镜像名称
2.下载镜像:docker pull 镜像名称
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
3.查看本地上的所有镜像:docker images -q 只显示ID
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
4.删除镜像:docker rmi -f 镜像ID
递归删除所有镜像:docker rmi -f $(docker images -aq)

四、容器常用命令

1.新建容器并启用

docker run [可选参数] image
#参数
--name 名字
-d 后台方式运行
-it 交互方式运行
-p 指定容器端口 主机端口:容器端口
--gpus all 使用宿主机的gpu
--shm-size="25g" 设置共享内存

例如:

docker run -it --gpus all --shm-size="25g" ID /bin/bash

怎样讲deeplabv3+部署在web端,docker,docker,深度学习
2.列出正在运行中的容器:docker ps
docker ps -a 现在+曾经
3退出容器:exit 直接容器停止并退出
ctrl +p+q 不停止退出
4:删除容器:docker rm ID 不能删除正在运行中的容器
5:启动容器:docker start ID
6:重启容器:docker restart ID
7:停止当前运行的容器:docker stop ID
8:强制停止:docker kill ID
9:查看容器中的进程信息:docker top ID
10:进入当前正在运行中的容器
进入容器开启新的终端:docker exec -it ID /bin/bash
正在执行:docker attach ID
11:查看容器内存信息:df -h

五、配置深度学习环境

1 查看镜像:docker images
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
2. 新建容器并启用:docker run -it --gpus all --shm-size="25g" 2ec708416bb8 /bin/bash 怎样讲deeplabv3+部署在web端,docker,docker,深度学习

3.更新软件包:apt-get undate怎样讲deeplabv3+部署在web端,docker,docker,深度学习

4.下载wget:apt-get install wget怎样讲deeplabv3+部署在web端,docker,docker,深度学习

5.安装minianaconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.2-Linux-x86_64.sh

怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
如下图所示,安装完成
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
6.退出,并进入容器
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
7.创建虚拟环境,conda create -n 名称 python=3.7怎样讲deeplabv3+部署在web端,docker,docker,深度学习
8.进入虚拟环境conda activate skm
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
9.安装pytorch
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习怎样讲deeplabv3+部署在web端,docker,docker,深度学习
并测试是否使用gpu

print(torch.cuda.is_available())

怎样讲deeplabv3+部署在web端,docker,docker,深度学习
10.安装git:apt-get install git 并clone项目git clone 链接
怎样讲deeplabv3+部署在web端,docker,docker,深度学习怎样讲deeplabv3+部署在web端,docker,docker,深度学习
11.安装项目运行其他的包:pip install 包
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习

六、运行deeplabV3代码

python train.py怎样讲deeplabv3+部署在web端,docker,docker,深度学习

怎样讲deeplabv3+部署在web端,docker,docker,深度学习

七、提交容器,保存镜像

提交容器:docker commit ID 镜像名称
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习

保存镜像:docker save -o 本地路径 镜像ID
怎样讲deeplabv3+部署在web端,docker,docker,深度学习
怎样讲deeplabv3+部署在web端,docker,docker,深度学习

总结

以上就是本文的全部内容,简单来说就是创建容器,配置环境,运行代码,提交容器,保存镜像。
这只能说是Docker的入门,在配置过程中,遇到不懂的地方,欢迎评论区留言。
最后,有空闲时间,一定要和喜欢的人看日落哦!
怎样讲deeplabv3+部署在web端,docker,docker,深度学习文章来源地址https://www.toymoban.com/news/detail-810269.html

到了这里,关于Docker 部署深度学习 运行deeplabV3的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • DeepLabV3+:ASPP加强特征提取网络的搭建

    目录 ASPP结构介绍 ASPP在代码中的构建 参考资料 ASPP:Atrous Spatial Pyramid Pooling,空洞空间卷积池化金字塔。 简单理解就是个至尊版池化层,其目的与普通的池化层一致,尽可能地去提取特征。 利用主干特征提取网络,会得到一个浅层特征和一个深层特征,这一篇主要以如何对

    2024年02月16日
    浏览(69)
  • 使用LabVIEW实现 DeepLabv3+ 语义分割含源码

    图像分割可以分为两类:语义分割(Semantic Segmentation)和实例分割(Instance Segmentation),前面已经给大家介绍过两者的区别,并就如何在labview上实现相关模型的部署也给大家做了讲解,今天和大家分享如何使用labview 实现deeplabv3+的语义分割,并就 Pascal VOC2012 (DeepLabv3Plus-Mobi

    2024年02月13日
    浏览(45)
  • 第三章:DeepLabV3——重新思考用于语义图像分割的扩张卷积

    原问题目:《Rethinking Atrous Convolution for Semantic Image Segmentation》 原文引用:Chen L C, Papandreou G, Schroff F, et al. Rethinking atrous convolution for semantic image segmentation[J]. arXiv preprint arXiv:1706.05587, 2017. 发表时间:2018年1月 原文链接: https://arxiv.org/pdf/1706.05587.pdf%EF%BC%8C%E6%8E%A8%E8%8D%90%E5%9C%A8

    2024年02月16日
    浏览(58)
  • DeepLabV3+:Mobilenetv2的改进以及浅层特征和深层特征的融合

    目录 Mobilenetv2的改进 浅层特征和深层特征的融合 完整代码 参考资料 在DeeplabV3当中,一般不会5次下采样,可选的有3次下采样和4次下采样。因为要进行五次下采样的话会损失较多的信息。 在这里mobilenetv2会从之前写好的模块中得到,但注意的是,我们在这里获得的特征是[-

    2024年01月19日
    浏览(56)
  • MATLAB算法实战应用案例精讲-【自然语言处理】语义分割模型-DeepLabV3

    目录 自然语言处理库 1.Hugging Face Datasets 2.TextHero 3.spaCy 4.Hugging Face Transformers 5.Scattertext 1、DeepLab系列简介

    2024年02月11日
    浏览(61)
  • 图像分割实战-系列教程15:deeplabV3+ VOC分割实战3-------网络结构1

    有任何问题欢迎在下面留言 本篇文章的代码运行界面均在Pycharm中进行 本篇文章配套的代码资源已经上传 deeplab系列算法概述 deeplabV3+ VOC分割实战1 deeplabV3+ VOC分割实战2 deeplabV3+ VOC分割实战3 deeplabV3+ VOC分割实战4 deeplabV3+ VOC分割实战5 本项目的网络结构在network文件夹中,主要在

    2024年01月19日
    浏览(64)
  • deeplabv3+源码之慢慢解析 第二章datasets文件夹(1)voc.py--voc_cmap函数和download_extract函数

    第一章deeplabv3+源码之慢慢解析 根目录(1)main.py–get_argparser函数 第一章deeplabv3+源码之慢慢解析 根目录(2)main.py–get_dataset函数 第一章deeplabv3+源码之慢慢解析 根目录(3)main.py–validate函数 第一章deeplabv3+源码之慢慢解析 根目录(4)main.py–main函数 第一章deeplabv3+源码之慢慢解析 根目

    2024年02月13日
    浏览(52)
  • 使用Docker配置深度学习的运行环境

    在linux系统中进行操作,最重要的就是意识到用户权限,这在通过不同方式安装不同应用中非常重要,不然你就会导致一些用户无法使用。 除了用户权限的问题还有就是程序的安装位置,不同的安装位置的程序的启动方式是不同的,安装在 /usr/local/bin 目录下的程序,如果启动

    2024年02月04日
    浏览(45)
  • linux docker部署深度学习环境(docker还是conda)

    在深度学习中,避免不了在远程服务器上进行模型的训练,如果直接在服务器裸机的基础环境跑显然是不可取的,此时搭建用于模型训练的docker环境显得尤为重要。 在深度学习中,避免不了在远程服务器上进行模型的训练,如果直接在服务器裸机的基础环境跑显然是不可取的

    2024年02月21日
    浏览(62)
  • WIN11+WSL2+Docker 深度学习环境部署

    Windows系统开发偶尔会出现一些系统底层的bug导致程序无法运行,开发很难受。 Linux系统开发,娱乐软件少,不尽兴。 双系统切换太麻烦,不能同时使用,难受! 如何结合Windows和Linux,既能畅爽娱乐,又不会被底层BUG影响开发,来试试Windows的子系统WSL2吧!! 本次思路为:在

    2024年02月21日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包