全开源深度学习平台PaddlePaddle入手之路(二)----利用Docker在Windows10专业版环境下配置PaddlePaddle

利用Docker在Windows10专业版环境下配置PaddlePaddle

对于PaddlePaddle的安装,查询官网信息,PaddlePaddle提供pip安装和Docker安装运行的使用方式。我们已经了解到Docker在避免环境配置难题上的的巨大优势,加上本人用的是Windows10操作系统,目前官方对于win10版本给出独特的支持,因而选择了在Docker中安装PaddlePaddle。

(1)安装docker

在安装Docker前,切记在Windows中打开Hyper-V管理器中(截至发博前只有Windows10专业版与企业版能够这样使用)。

目前官方对于win10版本给出独特的支持,支持的版本有64bit Windows 10 Pro, Enterprise and Education。下载的网址为:https://docs.docker.com/docker-for-windows/install/#what-to-know-before-you-install

请下载稳定版如图所示:

特别需要注意的是,如果你的机器不支持Hyper-V那么请使用Docker Toolbox安装,这里不再讲述Docker Toolbox的安装过程。

      1.1安装

安装过程十分简单:

1. 双击安装包:Docker for Windows Installer.exe,

2. 一路下一步,傻瓜安装即可。需要注意的是,接受所有的授权要求。安装成功后,系统会要求你暂时登出,然后再次登录windows,

3. 再次登录后系统要求重启,如图所示。按照要求,重启电脑。

4. 重启电脑后安装完成。

      1.2测试

重启后安装完成,之后测试一下是否安装成功。测试方式有两种,一种是图形界面方式进行测试,另一种是使用命令行的方式。

图形界面的测试过程如下

1.打开docker。如果启动成功则在右下角的图标中能够看到docker的图标如下图所示:

2. 打开图形界面查看软件状态(About docker),如果能够顺利看到软件状态则说明安装无误.

命令行测试过程如下:

1. 打开Windows Powershell,打开对话框,如下图所示,

2. 在命令行窗口输入命令: docker version。如果正确输出版本号则测试成功。

(2)安装PaddlePaddle

由于百度的大力支持和非常活跃的社区PaddlePaddle发展迅猛。这也导致了不断由新的镜像文件产生,而目前的稳定版本是0.10.0,目前选择使用稳定版本。可以通过命令行 的方式进行来下载安装PaddlePaddle镜像。

需要注意的有两点:1.仓库的选择;2.版本的选择(组合对比如下表所示)。海外仓库就是docker官网提供的仓库,相当于从官方镜像源Dockerhub.com下载。如果没有特殊强调版本,那么会自动下载最新版。


最新版本


稳定版本


海外仓库


paddlepaddle/paddle


paddlepaddle/paddle:0.10.1


国内仓库


docker.paddlepaddle.org/paddle


docker.paddlepaddle.org/paddle:0.10.1

推荐读者使用国内镜像下载稳定版:

命令:  docker pull docker.paddlepaddle.org/paddle:0.10.0

    1.1安装PaddlePaddle_book:

为了学习更加直观方便,尽可能的屏蔽掉Linux环境和命令带来的干扰,这里采用视觉上更加直观的jupyter方式来做。所以第一步先下载paddlepaddle/book 镜像:

命令: docker pull paddlepaddle/book:0.10.0

安装好后查看一下安装结果

命令:docker images

由于该镜像体积达2G,所以,请在网络良好的环境下下载,否则很容易出现下载失败的错误。

    1.2运行PaddlePaddle_book:

上一步下载的镜像中包含了jupyter服务器,所以启动的容器的时候需要设置网络的端口号。只有网络的端口号映射成功了才能正确的找到服务器,进而获得服务。

启动的命令为:docker run –p 7777:8888 IMAGE_ID

访问页面:打开主机(windows系统)的浏览器,在浏览器中输入网址:

在docker的container中运行着一个轻量级的Linux操作系统,这个系统上运行着jupyter服务器,而这个服务器对外公开的端口号是8888。使用命令docker run –p 7777:8888 IMAGE_ID的时候,就已经将对windows上的7777端口映射到container中的8888端口。因此,对windows的7777的请求导入到Linux中的8888端口,用户看到的网页事实上来自Linux系统上的Jupyter服务器。

至此完成了windows上PaddlePaddle使用环境的搭建。

2018-01-29 于北京

原文地址:https://www.cnblogs.com/youngawesome/p/8379810.html

时间: 2024-09-28 07:10:24

全开源深度学习平台PaddlePaddle入手之路(二)----利用Docker在Windows10专业版环境下配置PaddlePaddle的相关文章

感悟:微博深度学习平台架构和实践

TensorFlow.Caffe和MXNet是三大主流的深度学习开源框架:TensorFlow的优势是社区最活跃,开源算法和模型最丰富:Caffe则是经典的图形领域框架,使用简单,在科研领域占有重要地位:MXNet在分布式性能上表现优异.PaddlePaddle.鲲鹏.Angel则是百度.阿里.腾讯分别推出的分布式计算框架. 腾讯深度学习平台DI-X 腾讯深度学习平台DI-X于2017年3月发布.DI-X基于腾讯云的大数据存储与处理能力来提供一站式的机器学习和深度学习服务.DI-X支持Tenso

基于Spark的异构分布式深度学习平台

导读:本文介绍百度基于Spark的异构分布式深度学习系统,把Spark与深度学习平台PADDLE结合起来解决PADDLE与业务逻辑间的数据通路问题,在此基础上使用GPU与FPGA异构计算提升每台机器的数据处理能力,使用YARN对异构资源做分配,支持Multi-Tenancy,让资源的使用更有效. 深层神经网络技术最近几年取得了巨大的突破,特别在语音和图像识别应用上有质的飞跃,已经被验证能够使用到许多业务上.如何大规模分布式地执行深度学习程序,使其更好地支持不同的业务线成为当务之急.在过去两年,百

GitHub 上 57 款最流行的开源深度学习项目

转载:https://www.oschina.net/news/79500/57-most-popular-deep-learning-project-at-github 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2

Computational Network Toolkit (CNTK) 是微软出品的开源深度学习工具包

用 CNTK 搞深度学习 (一) 入门 Computational Network Toolkit (CNTK) 是微软出品的开源深度学习工具包.本文介绍CNTK的基本内容,如何写CNTK的网络定义语言,以及跑通一个简单的例子. 根据微软开发者的描述,CNTK的性能比Caffe,Theano, TensoFlow等主流工具都要强.它支持CPU和GPU模式,所以没有GPU,或者神经网络比较小的实验,直接用CPU版的CNTK跑就行了. 其开源主页在 https://github.com/Micros

Paddle 教程:人工智能领域深度学习平台

百度开源了其深度学习平台Paddle,引发了挺多人工智能领域开发者的兴趣,包括一些之前一直在Tensorflow和Caffe上练手的开发者.不过鉴于深度学习的开源平台目前并不多,作为开发者也作为热心吃瓜群众的头等大事,就是想知道——这个平台怎么样?别人怎么看这个平台?以及这个平台跟Tensorflow以及Caffe有何区别? 这个平台本身怎么样 Paddle本身在开源前就一直存在,始于2013年的时候,因为百度深度实验室察觉到自己在深度神经网络训练方面,伴随着计算广告.文本.图像.语音等训练数据

开源深度学习架构Caffe

Caffe 全称为 Convolutional Architecture for Fast Feature Embedding,是一个被广泛使用的开源深度学习框架(在 TensorFlow 出现之前一直是深度学习领域 GitHub star 最多的项目),目前由伯克利视觉学中心(Berkeley Vision and Learning Center,BVLC)进行维护.Caffe 的创始人是加州大学伯克利的 Ph.D.贾扬清,他同时也是TensorFlow的作者之一,曾工作于 MSRA.NEC

十个值得一试的开源深度学习框架

IT168 评论本周早些时候Google开源了TensorFlow(GitHub),此举在深度学习领域影响巨大,因为Google在人工智能领域的研发成绩斐然,有着雄厚的人才储备,而且Google自己的Gmail和搜索引擎都在使用自行研发的深度学习工具. 1 无疑,来自Google军火库的TensorFlow必然是开源深度学习软件中的明星产品,登陆GitHub当天就成为最受关注的项目,当周获得评星数就轻松超过1万个. 对于希望在应用中整合深度学习功能的开发者来说,GitHub上其实还有很多不错的开

十个开源深度学习框架

来源:http://www.ctocio.com/ccnews/19687.html 本周早些时候Google开源了TensorFlow(GitHub),此举在深度学习领域影响巨大,因为Google在人工智能领域的研发成绩斐然,有着雄厚的人才储备,而且Google自己的Gmail和搜索引擎都在使用自行研发的深度学习工具. 无疑,来自Google军火库的TensorFlow必然是开源深度学习软件中的明星产品,登陆GitHub当天就成为最受关注的项目,当周获得评星数就轻松超过1万个. 对于希望在应用

推荐GitHub上10 个开源深度学习框架

推荐GitHub上10 个开源深度学习框架 日前,Google 开源了 TensorFlow(GitHub),此举在深度学习领域影响巨大,因为 Google 在人工智能领域的研发成绩斐然,有着雄厚的人才储备,而且 Google 自己的 Gmail 和搜索引擎都在使用自行研发的深度学习工具. 无疑,来自 Google 军火库的 TensorFlow 必然是开源深度学习软件中的明星产品,登陆 GitHub 当天就成为最受关注的项目,当周获得评星数就轻松超过 1 万个. 对于希望在应用中整合深度学习功