centos7环境创建cuda环境&&创建insightface

（1）docker 版本

CentOS 7.X/8.X (docker-ce), RHEL 7.X/8.X (docker-ce), Amazon Linux 1/2

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo

sudo yum install -y nvidia-container-toolkit
sudo systemctl restart docker

针对 19.03之前的docker版本：（其实大多数都低于这个版本啊)

Upgrading with nvidia-docker2 (Deprecated)

sudo yum upgrade -y nvidia-docker2
sudo systemctl restart docker

(2)成熟的docker版本

https://hub.docker.com/r/nvidia/cuda

根据这里的dockerfile文件，可以很容易构建成熟的版本；但是centos7的官方版本，却在这里没有提供。虽然有dockerfile文件，但是在执行的时候，却会报没有这个版本：

但是，我们可以在tags页面找到我们想要的：

nvidia-docker run --name=cuda -itd nvidia/cuda:10.1-devel-centos7

跑了这个后，我们可以在里面nvidia-smi查到相应的GPU信息。

（3）测试下测试GPU的程序

还可以运行测试程序

import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 不显示等级2以下的提示信息

print('GPU', tf.test.is_gpu_available())

a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)

（4）增加insight-face所需要的模块：

暂时使用anaconda来增加。

在deploy ,src 拷进容器后进行运行的尝试，进行总结后，需要安装的模块：

conda install tensorflow-gpu
conda install mxnet-gpu
conda install -c conda-forge opencv
conda install -c anaconda scikit-learn
conda install easydict -c conda-forge
conda install scikit-image
conda install flask

（5）保存镜像：

docker commit -a 'dualven' -m 'insight-face env' cuda dualvenregistry:5000/cuda10.1-centos7-insight:v1

oh ,mygod ,太大了；进去分析，主要是安装的lib,及so太大了。很多。

（6）新建insigh-face dockerfile

FROM dualvenregistry:5000/cuda10.1-centos7-insight:v1

ENV PATH /root/anaconda3/bin:/root/anaconda3/condabin:$PATH
RUN mkdir /app
WORKDIR /app

COPY ./src /app/src
COPY ./start.sh /app/
ENTRYPOINT [ "/app/start.sh" ]

下面是start.sh

#!/bin/bash 这个必须
echo $PATH
source activate 这个不激活，conda activate dualven3.6也没法用。
conda deactivate

conda activate dualven3.6
python src/api/app.py

建立版本：dualvenregistry:5000/in-face:v1

docker build -t dualvenregistry:5000/in-face:v1 .

（7）运行镜像，形成实例 in-face-1

nvidia-docker run -itd --name=in-face-1 -v /data/test/cuda/start.sh:/app/start.sh -v /data/test/cuda/src:/app/src -p 18080:18080 dualvenregistry:5000/in-face:v1

GPU已经在用

（8）测试下：用的时长还是很长。

来源：oschina

链接：https://my.oschina.net/u/4365667/blog/4504066

标签

conda

Docker

Anaconda