如何擁有CPU計算資源的容器化環境

目前TWCC所提供的容器環境都是使用GPU資源，由於一些使用情境，不一定需要使用到GPU運算資源，如果開啟開發型容器來進行運算，會造成運算成本過高的情況。本篇文章將要如何在TWCC上建置使用CPU運算資源的容器環境。

前言

本文將介紹利用虛擬運算個體架設Docker容器環境，滿足需要使用CPU容器環境的需求，本文章以Linux作業系統進行部署，並且以機器學習框架TensorFlow作為範例。

前置環境

TWCC v.super (2 cpu, 16G memory, 100G HDD)虛擬運算個體

操作步驟

 

1.  進行套件更新

• sudo apt update

 

2. 安裝 Docker，建議使用官方建議作法安裝

• wget -qO- https://get.docker.com/ | sh

3. 啟用Docker服務與抓取映像檔

• sudo service docker start
• sudo docker image pull tensorflow/tensorflow:latest-py3 務必選擇cpu版本的映像檔

4. 執行Docker環境

• sudo docker run --name tensorflow -it tensorflow/tensorflow:latest-py3 bash

如果有需要使用Jupyter Notebook的情境，請繼續以下步驟

務必確認該台虛擬運算個體有開啟jupyter notebook預設port號8888，開啟方法可以參考安全性群組文件。

5.  選擇映像檔tensorflow/tensorflow:latest-py3-jupyter 進行容器的建立

• docker run -it --name tf-jupyter -v ~/docker/tf-jupyter:/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter

6. 取得Jupyter Notebook的連結，並且更改IP

複製紅框處的連結，將容器ID或是本機IP更改成虛擬運算個體的公用IP，IP格式:  http://<公用IP>:8888/<token>

7. 檢視驗證情況