首页 > 其他分享 >miniconda Pytorch CUDA Cudnn onnxruntime

miniconda Pytorch CUDA Cudnn onnxruntime

时间:2024-11-11 10:20:29浏览次数:1  
标签:RUN install onnxruntime Cudnn Pytorch sh conda && --

FROM  ubuntu:22.04
# docker 启动方式
# docker run -itd --gpus all --privileged=true --shm-size 8G  --name onnx1 97271d29cb79 /bin/bash

MAINTAINER SuSu

# 切换阿里云源
RUN  apt-get update && apt-get install -y vim  && apt-get install -y sudo  && apt-get -y install  wget && apt-get install -y curl telnet
RUN sudo apt-get -y install systemctl

# 安装miniconda
# RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# RUN bash Miniconda3-latest-Linux-x86_64.sh -b -p /opt/conda && rm -rf Miniconda3-latest-Linux-x86_64.sh
# RUN  /opt/conda/bin/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

ENV CONDA_DIR=/opt/conda
RUN wget --quiet https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/miniconda.sh \
    && mkdir -p $CONDA_DIR \
    && bash /tmp/miniconda.sh -b -u -p $CONDA_DIR \
    && rm /tmp/miniconda.sh

# 将 Miniconda 添加到 PATH 环境变量中
ENV PATH=$CONDA_DIR/bin:$PATH


RUN conda update -n base -c defaults conda \
    && conda create -y -n onnx_cuda python=3.10.12
RUN echo "source activate myenv" > ~/.bashrc
ENV PATH /opt/conda/envs/myenv/bin:$PATH

#设置国内源
RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# RUN pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121


RUN pip install onnxruntime-gpu==1.17.0 --extra-index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-cuda-12/pypi/simple/ --force-reinstall
#RUN pip install numpy==1.24.4
RUN conda install -n onnx_cuda -y  pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
RUN source activate



# 下载并安装 code-server
RUN curl -fsSL https://code-server.dev/install.sh | sh

# 需要安装一些 插件


# 创建一个非 root 用户
RUN useradd -m coder \
    && echo "coder ALL=(ALL) NOPASSWD:ALL" >> /etc/sudoers.d/nopasswd \
    && chmod 0440 /etc/sudoers.d/nopasswd

# 切换到 coder 用户
USER coder
WORKDIR /home/coder

# 暴露 code-server 默认端口
EXPOSE 8080
VOLUME /root/workspace

# 启动 code-server
CMD ["code-server", "--bind-addr", "0.0.0.0:8080", "--auth", "none"]

 

标签:RUN,install,onnxruntime,Cudnn,Pytorch,sh,conda,&&,--
From: https://www.cnblogs.com/suwhatsu/p/18539228

相关文章

  • PyTorch实战深度学习——用CNN进行手写数字识别
    用CNN进行手写数字识别---计算机专业研究生的代码第一课,相当于”HelloWorld“,不管以后选择什么研究方向,都值得一看,欢迎大家留言交流学习!下面手把手教大家一步一步实现该任务:1.环境准备首先呢,您需要确保安装了PyTorch库。如果还没有安装,可以使用以下命令进行安装,这里默认......
  • 深度学习(三)2.利用pytorch实现线性回归
    一、基础概念1.线性层线性层(LinearLayer)是神经网络中的一种基本层,也称为全连接层(FullyConnectedLayer)。它的工作方式类似于简单的线性方程:y=Wx+b,其中W是权重矩阵,x是输入,b是偏置项,y是输出。线性层的主要任务是将输入的数据通过权重和偏置进行线性变换,从而生成输出......
  • 基于深度学习+pytorch+PyQt6+MySQL的口罩佩戴识别系统
    前言本系统是一个完整的基于深度学习+pytorch+PyQt6+MySQL的口罩佩戴识别系统。包括LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNetV2网络模型。可以直接训练、测试、使用。也就是说,它不仅仅是一个口罩佩戴识别系统。它可以是任意识别系统!!系统演示视频登陆注册系......
  • 基于深度学习+pytorch+PyQt6+MySQL的农作物识别系统
    前言本系统是一个完整的基于深度学习+pytorch+PyQt6+MySQL的农作物识别系统。包括LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNetV2网络模型。可以直接训练、测试、使用。也就是说,它不仅仅是一个农作物识别系统。它可以是任意识别系统!!系统演示视频登陆注册系统使......
  • 基于YOLOv8模型的安全背心目标检测系统(PyTorch+Pyside6+YOLOv8模型)
    摘要:基于YOLOv8模型的安全背心目标检测系统可用于日常生活中检测与定位安全背心目标,利用深度学习算法可实现图片、视频、摄像头等方式的目标检测,另外本系统还支持图片、视频等格式的结果可视化与结果导出。本系统采用YOLOv8目标检测算法训练数据集,使用Pysdie6库来搭建前端页面......
  • 基于YOLOv8模型和PCB电子线路板缺陷目标检测系统(PyTorch+Pyside6+YOLOv8模型)
    摘要:基于YOLOv8模型PCB电子线路板缺陷目标检测系统可用于日常生活中检测与定位PCB线路板瑕疵,利用深度学习算法可实现图片、视频、摄像头等方式的目标检测,另外本系统还支持图片、视频等格式的结果可视化与结果导出。本系统采用YOLOv8目标检测算法训练数据集,使用Pysdie6库来搭建......
  • 深度学习工程实践:PyTorch Lightning与Ignite框架的技术特性对比分析
    在深度学习框架的选择上,PyTorchLightning和Ignite代表了两种不同的技术路线。本文将从技术实现的角度,深入分析这两个框架在实际应用中的差异,为开发者提供客观的技术参考。核心技术差异PyTorchLightning和Ignite在架构设计上采用了不同的方法论。Lightning通过提供高层次的抽象......
  • 深度学习Pytorch快速入门我是土堆,P14torchvision中的数据集使用
    这里先表明下为啥从P8直接跳到了P14,原因是这中间的讲的都是Transfroms的使用,作为小白我听完课之后总结下Transfrom的功能:1.输入2.输出3.改变图片的大小。而且老师说了这个用的比较多,所以想先往下看,等到后面用到的时候,up还会再讲的。importtorchvisionfromtorch.utils.tenso......
  • 使用 PyTorch 实现并测试 AlexNet 模型,并使用 TensorRT 进行推理加速
    本篇文章详细介绍了如何使用PyTorch实现经典卷积神经网络AlexNet,并利用Fashion-MNIST数据集进行训练与测试。在训练完成后,通过TensorRT进行推理加速,以提升模型的推理效率。本文全部代码链接:全部代码下载环境配置为了保证代码在GPU环境下顺利运行,我们将安装兼容......
  • Pytorch实现运动鞋识别
    Pytorch实现运动鞋识别......