はじめに

最新の仕様はこちらから確認できます！
- (2023/10/21時点も) 頻繁に⇧は更新してますが、本記事の更新は稀です･･･
動かない・使い方わからない等あれば ~~お気軽にご連絡ください~~ 連絡くださってもよいですが返信できるかわかりません
VNC等を使わない場合は、本 docker よりも NVIDIA が出してる docker image の方がより最適化されていそうでおすすめです。
- nvcr.io/nvidia/pytorch:23.09-py3 など！
- tensorflow版、jax版などもあるっぽい?

DL研究のこんな問題を解決します！

ディープラーニングの環境構築がつらい
- GPUが認識されない... (nvidia-smi , nvcc -V が効かないとかも...)
- ライブラリ公式のdockerが使い勝手悪い！でもカスタマイズはつらい...
サーバー上でのレンダリングで沼ってる
- 親の顔より見た opengl / glfw のエラー
- GUIが見れないから、毎回gifで保存してscp...

あてはまる方はぜひ & 普段使い用としてもおすすめです！

本 Docker Image の概要

最新の PyTorch
ちょっとだけリッチなCUI & GUI (VNC)
ローカルでもサーバーでもヘッドレス(ディスプレイなし)でもok
安心安全！
・高頻度でメンテしてます (自分でも使ってるので)
・たくさんダウンロードしてもらってます！(?) Thanks！
Auto Build された image を、docker pull でお使いいただけます！

よくわかる動画 (⇧大学のヘッドレスサーバーにsshして実行しています)

更新

2022-11-23
- 600ダウンロード！ (たぶんauto build分も含められてるけど)
2022-08-19
- cuda:11.0 -> cuda:11.3、pytorch を最新版に
- tensorflowは非対応にしました...。
  - (pytorchの方が圧倒的に使われてると思うので)
- pyenvは非対応にしました...。
  - (python2とはさよならして、venv で事足りるようになったので)
2021-08-04
- pytorch と tensorflowを最新版に、tensorboardのバグを修正
2021-04-28
- 祝！300ダウンロード！
2020-12-22
- cuda:9.2 -> cuda:11.0、pytorch と tensorflowを最新版に
2020-12-22
- 祝！200ダウンロード！
2019-12-31
- 祝！100ダウンロード！

動作確認済みのGUIを使うライブラリ

ページ下の方のギャラリーも参考にしてみてください。
- OpenAI Gym
- PyBullet
- MuJoCo131, Mujoco150, MuJoCo200
- CleanRL (⇦ New! 2022/11/27)
- など

仕様

Deep周り
- CUDA, PyTorch, Tensorboard
GUI周り
- Xvfb (仮想ディスプレイ), x11vnc (GUI転送)
Python周り
- venv, Jupyter Lab
Shell周り
- zsh

Dockerfile (2022/11/23時点)

Dockerfile自体は Github にアップロードしてます
(Auto BuildされたDocker Imageは Dockerhub にあります)

FROM nvidia/cuda:11.3.1-devel-ubuntu20.04
ENV DEBIAN_FRONTEND=noninteractive

# zsh
RUN apt-get update && apt-get install -y wget git zsh
SHELL ["/bin/zsh", "-c"]
RUN wget http://github.com/robbyrussell/oh-my-zsh/raw/master/tools/install.sh -O - | zsh
RUN sed -i "s/# zstyle ':omz:update' mode disabled/zstyle ':omz:update' mode disabled/g" ~/.zshrc

# python
RUN apt-get update && apt-get install -y python3.9 python3.9-dev python3.9-venv python3-pip
RUN ln -s /usr/bin/python3.9 /usr/bin/python

# vnc
RUN apt-get update && apt-get install -y xvfb x11vnc icewm
RUN echo 'alias vnc="export DISPLAY=:0; Xvfb :0 -screen 0 1400x900x24 &; x11vnc -display :0 -forever -noxdamage > /dev/null 2>&1 &; icewm-session &"' >> /root/.zshrc

# torch
RUN python -m venv /root/venv/torch
RUN source ~/venv/torch/bin/activate && \
    pip install -U pip && \
    pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

# utils
RUN apt-get update && apt-get install -y vim ffmpeg
RUN source ~/venv/torch/bin/activate && \
    pip install jupyterlab tensorboard ipywidgets && \
    echo 'alias jl="jupyter lab --ip 0.0.0.0 --port 8888 --NotebookApp.token='' --allow-root &"' >> /root/.zshrc && \
    echo 'alias tb="tensorboard --host 0.0.0.0 --port 6006 --logdir runs &"' >> /root/.zshrc

RUN apt-get clean && rm -rf /var/lib/apt/lists/*

WORKDIR /root
CMD ["zsh"]

いつぞやと比べてかなりシンプルなところに落ち着きました
- ~~主にpython2とtensorflowとさようならしたおかげで~~

使い方

ローカルマシンでも使えますが(その場合は②から)、ここではサーバーで使う例を書きます

① ローカルPCからサーバーにssh等で入る

$ ssh foo@bar -L 5900:localhost:5900 -L 6006:localhost:6006 -L 8888:localhost:8888

② サーバー上でdocker imageを起動する

$ docker pull naruya/dl_remote:latest
$ docker run --gpus all -it \
    -p 5900:5900 -p 6006:6006 -p 8888:8888 --name dl_remote naruya/dl_remote

③ python環境に入る/切り替え

% source ~/venv/torch/bin/activate  # 入る
# 以下も参考に
# % deactivate  # 出る
# % python -m venv ~/venv/foo # 新しい(独立した)python環境を作る
# % source ~/venv/foo/bin/activate  # 入る

④ コンテナの中でVNCを起動する

% export DISPLAY=:0
% vnc  # GUIを起動して転送します (以下が実行されます)
# % export DISPLAY=:0
# % Xvfb :0 -screen 0 1400x900x24 &
# % x11vnc -display :0 -forever -noxdamage > /dev/null 2>&1 &
# % icewm-session &

⑤ ローカルPCでVNCビューアを開く

~~Chromeの拡張機能のVNCビューアがおすすめです。(以下はこれを使う前提)~~
- ⇧は使えなくなってました。Winの人は ⇧の後継?のRealVNC がおすすめです。
  - (RealVNCはユーザー登録を促されますがskipできます。無料です)
アドレスには localhost:5900 と入力して Connect 。（下図）
③で設定したVNCのパスワード（pass）を入力して入ります。

⑥ GUIを使うソフトウェアを起動すると、転送されたディスプレイ上で見ることができます！(参考:⑦)

⑦ Jupyter Lab (デフォルトで対応してます！) などでコーディングする⇩

例) OpenAI Gym (pythonで動く物理シミュレータ) をサーバーで動かす

% pip install gym
% jl  # 以下のコマンドが実行されます
# % DISPLAY=:0  jupyter lab --ip 0.0.0.0 --port 8888 --allow-root &

でjupyter labを開き、以下のようなコードでcartpoleのシミュレータを起動します。
サンプルコード⇩

# https://gym.openai.com/ から拝借
import gym
env = gym.make("CartPole-v1")
observation = env.reset()
for _ in range(1000):
  env.render()
  action = env.action_space.sample() # your agent here (this takes random actions)
  observation, reward, done, info = env.step(action)

  if done:
    observation = env.reset()
env.close()

無事にサーバーで動いているGUIが見れました。

tensorboardにも対応しています

% tb  # 以下のコマンドが実行されます
# % tensorboard --host 0.0.0.0 --port 6006 --logdir runs &

以上！

使い方２ (⇦ New! )

こちらは自分で docker build する人用です

$ vim Dockerfile  # 書く
$ docker build --no-cache . -t my_dl_remote
$ docker run --gpus all -it \
    -p 5900:5900 -p 6006:6006 --p 8888:8888 --name dl_remote my_dl_remote

動作確認済み一覧

MuJoCo

mujoco-pyを参考にパッケージ追加したら動きます (コマンド2つと ~/.mujoco を用意するくらいです、コメント欄を参考にしてみてください)

サンプルコードはこちら

import gym
env = gym.make("Humanoid-v2")
o = env.reset()
for _ in range(1000):
    env.render()
    a = env.action_space.sample()
    o, r, done, info = env.step(a)
    if done:
        o = env.reset()
env.close()

Meta-World

https://meta-world.github.io/
こんな感じ
mujocoのバージョンが合ってるかだけ注意すればよかったと思います
- (若干setup.pyをいじる必要がありました)

DeepMind Control Suite (dm_control)

https://deepmind.com/research/publications/dm-control-Software-and-Tasks-for-Continuous-Control
ソフトウェアレンダリング(OSmesa)でやりました。
おまけで、dm_controlをちょっとイジって(↓)ソースコードからinstallしてます。

サンプルコードはこちら

diff --git a/dm_control/suite/cartpole.xml b/dm_control/suite/cartpole.xml
index e01869d..800499e 100644
--- a/dm_control/suite/cartpole.xml
+++ b/dm_control/suite/cartpole.xml
@@ -16,7 +16,11 @@
 
   <worldbody>
     <light name="light" pos="0 0 6"/>
-    <camera name="fixed" pos="0 -4 1" zaxis="0 -1 0"/>
+    <camera name="fixed-2" pos="-3.5   -2 1" euler="90 -60 0"/>
+    <camera name="fixed-1" pos="  -2 -3.5 1" euler="90 -30 0"/>
+    <camera name="fixed00" pos="   0   -4 1" euler="90   0 0"/>
+    <camera name="fixed+1" pos="   2 -3.5 1" euler="90  30 0"/>
+    <camera name="fixed+2" pos=" 3.5   -2 1" euler="90  60 0"/>
     <camera name="lookatcart" mode="targetbody" target="cart" pos="0 -2 2"/>
     <geom name="floor" pos="0 0 -.05" size="4 4 .2" type="plane" material="grid"/>
     <geom name="rail1" type="capsule" pos="0  .07 1" zaxis="1 0 0" size="0.02 2" material="decoration" />
(END)

sudo apt-get install libgl1-mesa-glx libosmesa6
export MUJOCO_GL=osmesa
echo $MUJOCO_GL # => osmesa

from dm_control import suite
import numpy as np
import cv2

max_frame = 100
width = 128
height = 128
video = np.zeros((max_frame, height, width*5, 3), dtype=np.uint8)

env = suite.load(domain_name="cartpole", task_name="swingup")
action_spec = env.action_spec()
time_step = env.reset()

# 先にシミュレーションとレンダリングをしておきます(少し時間がかかります)
for i in range(max_frame):
    action = np.random.uniform(action_spec.minimum,
                               action_spec.maximum,
                               size=action_spec.shape)
    time_step = env.step(action)
    video[i] = np.hstack([env.physics.render(height, width, camera_id=0), 
                          env.physics.render(height, width, camera_id=1), 
                          env.physics.render(height, width, camera_id=2),
                          env.physics.render(height, width, camera_id=3),
                          env.physics.render(height, width, camera_id=4)])

cv2.namedWindow("frame", cv2.WINDOW_NORMAL)

for _ in range(999):
    for i in range(max_frame):
        cv2.imshow("frame", video[i])
        cv2.waitKey(5)

cv2.destroyAllWindows()

ToDo (?)

GPU レンダリング化 (恐らくこれは闇)
- nvidia-egl-desktopを試す？？
- このあたりが良さそう
  - https://github.com/Tiryoh/docker-ros-desktop-vnc/issues/12
  - https://github.com/ryought/glx-docker-headless-gpu
singularity image化
- ABCIでmujoco210を動かす

おわりに

最後まで見てくださってありがとうございます
コメント、プルリク等 welcomeです！

（twitter）