機械学習環境構築時の覚え書きです。
Dockerに慣れていないので、おかしいところがあればご指摘お願いします。

動機

UbuntuでGPUを使って機械学習をしたいが、ライブラリによって要求するCUDAとcuDNNのバージョンが違ってつらいのをDockerでどうにかしたい。
慣れたエディタ(PyCharm)からDockerの開発環境を使いたい。

やったこと

下のNVIDIAのサイトでGPUに対応するドライバのバージョンを調べてインストールする。

公式サイトを見ながらUbuntu用のDockerをインストールしました。

DockerでGPUを扱うには、nvidia-dockerを使う必要があるらしいので、こちらもインストールします。

今回はCUDA9.0で構築したいので、下記のようなDockerfileになりました。
KerasとTensorflowとPythonをインストールしています。

Dockerfile

FROM nvidia/cuda:9.0-cudnn7-runtime

RUN apt-get update
RUN apt-get -y install python3-pip curl
RUN pip3 install keras tensorflow-gpu

Dockerfileのあるディレクトリで以下を実行します。
mykerasimageは任意の名前です。

sudo nvidia-docker build -t mykerasimage .

しばらく時間がかかります。
終わったら以下のコマンドで確認します。

sudo docker images

nvidia-dockerを使ってコンテナを立ち上げます。
Docker上でGPUを正しく認識していることを確認します。

sudo nvidia-docker run mykerasimage nvidia-smi

以下のコマンドでコンテナのbashに入ることができます。

nvidia-docker run -v ホスト側のマウントしたいディレクトリのパス:コンテナ内のマウントしたいディレクトリのパス -i -t mykerasimage  /bin/bash

こちらを実行してユーザをDockerグループに追加して再起動してからでないと権限周りでエラーになりました。

こちらの画面でUnix socketを選択して問題なければ、好きなイメージをPythonのインタプリタとして使用できます。