本教程搭建集 Tensorflow、Keras、Coffe、PyTorch 等深度學習框架於一身的環境，及jupyter。

一、安裝依賴環境

1. 使用國內映象加速安裝

sudo mv /etc/apt/sources.list /etc/apt/sources.list.old
sudo vim /etc/apt/sources.list

然後將下面的內容寫入該檔案： 需要注意的是：不同版本的ubuntu映象源不一樣，可以在清華映象源查詢

# 預設註釋了原始碼映象以提高 apt update 速度，如有需要可自行取消註釋
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse
 

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
 

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# 預釋出軟體源，不建議啟用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
 

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse

使映象源生效

sudo apt-get update

2. 安裝 NVIDIA GPU驅動

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-384 nvidia-prime

檢視是否安裝成功

watch nvidia-smi # 該命令可檢視GPU使用情況

3. 安裝 Docker

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
   "deb [arch=amd64] https://mirrors.tuna.tsinghua.edu.cn/docker-ce/linux/ubuntu \
   $(lsb_release -cs) \
   stable"
sudo apt-get update
sudo apt-get install docker-ce

檢視是否安裝成功

docker -v

4. 安裝 nvidia-docker

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

sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

這裡的最後一步會重啟docker，並載入nvidia-docker的配置 檢視是否安裝成功

nvidia-docker -v

二、拉取映象並啟動

1. 拉取映象

這裡我們使用了deepo映象：https://hub.docker.com/r/ufoym/deepo/ 其下的 ufoym/deepo:all-py36-jupyter，該映象收集了大部分深度學習框架，執行在GPU環境，以及配有jupyter。

docker pull ufoym/deepo:all-py36-jupyter

2. 啟動映象

預設配置

nvidia-docker run -it -p 8888:8888 ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/root'

博主推薦配置（掛載外部目錄，方便移動資料）

# 這裡使用了-v選項用於掛載外部目錄
nvidia-docker run -it -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-jupyter-py36 jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data'

後臺執行（需要注意的地方是要把引數-it改成-i，否則無法執行在後臺）

nohup nvidia-docker run -i -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-jupyter-py36 jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data' &

引數說明

• -v /data:/data：左邊是外部路徑，右邊是內部路徑，例如我的檔案放在/home/ubuntu/data下，需要掛載到docker內部的路徑是/data，則引數配置應該是-v /home/ubuntu/data:/data
• --notebook-dir：jupyter工作目錄的預設路徑，推薦與上面的docker內部資料路徑相同，即/data
• -p 8888:8888：左邊是外部埠，右邊是docker映象埠。如果想將jupyter應用掛載在8080埠，只需修改引數-p 8080:8888即可
• --NotebookApp.token：進入jupyter的密碼，這裡設定的是空

3. 成功啟動

4. 其他

1. import tensorflow時遇到Future Warning解決方案

錯誤如下：

FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters

解決方案： 進入jupyter terminal並輸入

pip install --upgrade numpy
pip install --upgrade h5py

問題解決。