使用docker构建自己的机器学习开发环境

项目地址：https://github.com/Adenialzz/ml-docker

引言

对于机器学习研究人员和开发人员来说，在每台不同的机器上重复配置自己熟悉的开发环境是非常麻烦的，有时还会出现版本不兼容的问题。ml docker致力于解决这个问题。基于Docker技术，研究者/开发者可以将运行环境打包在一个容器中，方便快捷地在云服务器集群中运行。ml-docker可以大大提高研究/开发的效率，减少人为错误和环境不一致性，还可以节省维护成本，这样研究者/开发者可以更加专注于机器学习算法，而不必过于关注开发环境。

使用方法

1. 安装并运行 nvidia-docker

   export DOWNLOAD_URL="https://mirrors.tuna.tsinghua.edu.cn/docker-ce"
   wget -O- https://get.docker.com/ | sh
   service docker start
   

   如果机器尚未安装 nvidia-docker，docker 本身不支持英伟达显卡设备，首先将如下脚本复制到机器的任意位置：

   # nvidia-container-runtime-script.shsudo curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | \sudo apt-key add -
   distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
   sudo curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | \sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
   sudo apt-get update
   

   然后运行并安装 nvidia-docker：

   sudo sh nvidia-container-runtime-script.sh && apt-get install nvidia-container-runtime
   

2. 复制本仓库

   git clone https://github.com/Adenialzz/ml-docker.git
   

3. 准备必要的文件

   cd ml-docker/prepare
   wget https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3-py38_23.1.0-1-Linux-x86_64.sh -O Miniconda3.sh		# for building miniconda
   cp ~/.ssh/id_rsa.pub id_rsa.pub		# for ssh public key login
   wget https://github.com/ohmyzsh/ohmyzsh/archive/refs/heads/master.zip -O ohmyzsh-master.zip		# for building ohmyzsh
   

   按需编辑 prepare/init.vim 和 prepare/alias.sh ，构建自己熟悉的开发环境选项

4. 构建 docker 镜像

   # at ml-docker dir
   docker build --build-arg INSTALL_NVIM=true --progress=plain --tag ubuntu-song:20.04 .
   

5. 运行 docker 镜像

   docker compose up
   

6. ssh 连接（在另一个终端中）到启动的容器，然后即可在熟悉的环境中进行开发

   首先，将以下内容添加到 ~/.ssh/config，来配置 ssh 公钥：

   Host 127.0.0.1HostName 127.0.0.1User rootPreferredAuthentications publickeyIdentityFile /home/ps/.ssh/id_rsa
   

   然后即可 ssh 到容器内（无需密码）：

   ssh root@127.0.0.1 -p 3232
   

   你应该进入到一个 zsh 终端，然后就可以愉快地开发啦！

注意

构建参数

可以通过 --build-arg 选项来修改 python 版本 / pytorch 版本等，比如像这样：

docker build --build-arg INSTALL_NVIM=true --build-arg PYTHON_VERSION=3.10 --progress=plain --tag ubuntu-song:20.04 .

其他

本仓库只是提供一个通过 docker 构建机器学习开发环境的示例，你可以按照自己的需求完全定制 Dockerfile，来构建自己熟悉的开发环境。