【使用指南】用Docker安装运行paddlepaddle

编写｜paddle

排版｜wangp

使用Docker安装和运行PaddlePaddle可以无需考虑依赖环境即可运行。并且也可以在Windows的docker中运行。 您可以在 Docker官网获得基本的Docker安装和使用方法（官网网址：https://docs.docker.com/get-started/）

如果您在使用Windows，可以参考教程，完成在Windows上安装和使用Docker（教程网址：https://docs.docker.com/toolbox/toolbox_install_windows/）

在了解Docker的基本使用方法之后，即可开始下面的步骤：

1

获取PaddlePaddle的Docker镜像

执行下面的命令获取最新的PaddlePaddle Docker镜像，版本为cpu_avx_mkl：

docker pull paddlepaddle/paddle

对于国内用户，我们提供了加速访问的镜像源：

docker pull docker.paddlepaddlehub.com/paddle

下载GPU版本（cuda8.0_cudnn5_avx_mkl）的Docker镜像：

docker pull paddlepaddle/paddle:latest-gpu

docker pull docker.paddlepaddlehub.com

/paddle:latest-gpu

选择下载使用不同的BLAS库的Docker镜像：

# 默认是使用MKL的镜像

docker pull paddlepaddle/paddle

# 使用OpenBLAS的镜像

docker pull paddlepaddle/paddle:latest-openblas

下载指定版本的Docker镜像，可以从 DockerHub网站（https://hub.docker.com/r/paddlepaddle/paddle/tags/）获取可选的tag，并执行下面的命令：

docker pull paddlepaddle/paddle:[tag]

# 比如：

docker pull docker.paddlepaddlehub.com/paddle:0.11.0-gpu

2

在Docker中执行PaddlePaddle训练程序

假设您已经在当前目录（比如在/home/work）编写了一个PaddlePaddle的程序 train.py （可以参考 PaddlePaddleBook 编写,网址：http://www.paddlepaddle.org/docs/develop/book/01.fit_a_line/index.cn.html），就可以使用下面的命令开始执行训练：

cd /home/work

docker run -it -v $PWD:/work paddlepaddle/paddle /work/train.py

上述命令中，-it 参数说明容器已交互式运行； -v $PWD:/work 指定将当前路径（Linux中$PWD变量会展开为当前路径的绝对路径）挂载到容器内部的 /work 目录； paddlepaddle/paddle 指定需要使用的容器； 最后 /work/train.py 为容器内执行的命令，即运行训练程序

当然，您也可以进入到Docker容器中，以交互式的方式执行或调试您的代码

注：PaddlePaddle Docker镜像为了减小体积，默认没有安装vim，您可以在容器中执行 apt-get install -y vim 安装后，在容器中编辑代码

3

使用Docker启动PaddlePaddle Book教程

使用Docker可以快速在本地启动一个包含了PaddlePaddle官方Book教程的Jupyter Notebook，可以通过网页浏览。 PaddlePaddle Book是为用户和开发者制作的一个交互式的Jupyter Notebook。 如果您想要更深入了解deep learning，PaddlePaddle Book一定是您最好的选择。 大家可以通过它阅读教程，或者制作和分享带有代码、公式、图表、文字的交互式文档

我们提供可以直接运行PaddlePaddle Book的Docker镜像，直接运行：

docker run -p 8888:8888 paddlepaddle/book

然后在浏览器中输入以下网址：

http://localhost:8888/

就这么简单，享受您的旅程！

4

使用Docker执行GPU训练

为了保证GPU驱动能够在镜像里面正常运行，我们推荐使用 nvidia-docker（网址：https://github.com/NVIDIA/nvidia-docker） 来运行镜像。 请不要忘记提前在物理机上安装GPU最新驱动

nvidia-docker run -it -v $PWD:/work paddlepaddle/paddle:latest-gpu /bin/bash

注: 如果没有安装nvidia-docker，可以尝试以下的方法，将CUDA库和Linux设备挂载到Docker容器内：

export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') $(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')"

export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}')

docker run ${CUDA_SO} ${DEVICES} -it paddlepaddle/paddle:latest-gpu

关于AVX

AVX是一种CPU指令集，可以加速PaddlePaddle的计算。最新的PaddlePaddle Docker镜像默认 是开启AVX编译的，所以，如果您的电脑不支持AVX，需要单独 编译 PaddlePaddle为no-avx版本

以下指令能检查Linux电脑是否支持AVX：

if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi

如果输出是No，就需要选择使用no-AVX的镜像