【Docker】JupyterNotebook TensorFlowでNVIDEA GPUを使う

はじめに

　機械学習周りは得に利用ライブラリのバージョンが大切になってくると考えている。
　実環境にPythonやその他利用ライブラリをインストールしても良いが、既存のライブラリ等とバージョンが干渉する恐れがあり、仮想環境を用いるのが望ましい。
pyenv等の仮想環境を用いても良いが、今回はDockerを用いた仮想コンテナで環境構築を行う。

開発環境

環境	詳細
OS	ArchLinux
Docker	24.0.5
DockerCompose	2.20.3

　本記事ではArchLinuxを用いて解説を進める。パッケージの取得方法などは利用するOSに依存する為異なるが、大まかな流れは同じとなる。
　また、Dockerは既にインストール済みであることを前提とし、取得方法は省略する。

環境構築

nvidia container toolsのインストール

　はじめに、Gitからnvidea container toolsのインストールを行う。AURに載っているGit Clone URLからコードを取得しインストールする。

shell

$ git clone https://aur.archlinux.org/libnvidia-container.git
$ cd libnvidia-container
$ makepkg -si

　なお、インストール中に依存パッケージの取得に失敗した場合はpackmanをアップデートする必要がある。

shell

$ sudo pacman -Syu

　ubuntuなどArchLinux以外のOSを利用している場合、NVIDEA公式にインストール方法が載っているため参照。

また、GPUを利用する場合ドライバが必要になる。nvidia-smiコマンドでレスポンスがあればインストールされている。

JupyterNotebookの立ち上げ

Dockerコンテナを用いてJupyterNotebookを立ち上げる。TensorFlow公式を参考にDockerfileとdocker-compose.ymlファイルを作成する。

Dockerfile

FROM tensorflow/tensorflow:latest-gpu-jupyter

RUN apt update && apt -y install tzdata
ENV TZ=Asia/Tokyo

RUN pip3 install $PACKAGE   # 必要なパッケージがある場合はインストール

CMD ["jupyter", "notebook", "--ip=0.0.0.0","--port=8888", "--no-browser", "--allow-root", "--NotebookApp.token="]

docker-compose.yml

version: "3.6"

services:
  main:
    build: .
    volumes:
      - .:/main
    working_dir: /main
    ports:
      - 8888:8888
    # ここからGPUの設定
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

これでDockerを立ち上げるとJupyterNotebook起動する。localhost:8888にアクセスすることでJupyterNotebookにアクセスできる。

shell

$ docker-compose up

GPUの確認

最後に、コンテナ内でGPUを認識しているか確認する。

shell

$ docker-compose exec main bash

上記コマンドでコンテナ内に入り、ドライバーがインストールされているか確認したコマンドで認識しているか確認する。

shell (コンテナ内)

root$ nvidia-smi

おわりに

　以上でDockerを用いたJupyterNotebook上のTensorFlowでNVIDEA GPUを利用する環境構築が完了となる。では、良い深層学習ライフを。