Deepo：几乎包含所有主流深度学习框架的Docker镜像
快速启动
安装
步骤1:安装Docker和nvidia-docker。 步骤2:获得Deepo镜像。
你可以直接从Docker Hub下载镜像，或者自己构建镜像。
选项1:从Docker Hub获得镜像(建议)
docker pull ufoym/deepo选项2:在本地构建Docker镜像
git clone https://github.com/ufoym/deepo.git
cd deepo && docker build -t ufoym/deepo .请注意，这可能需要几个小时，因为它从头开始编译了一些库。
用法
现在你可以试试这个命令:
nvidia-docker run --rm ufoym/deepo nvidia-smi这是能够运行的，并且使Deepo能够在docker容器内使用GPU。如果这个方法不起作用，可以搜索nvidia-docker GitHub上的问题——这上面已经有许多解决方案。将一个交互式shell放入一个容器，该容器不会在你退出之后自动删除。
nvidia-docker run -it ufoym/deepo bash如果你想要在本地(你的机器或VM)和Deepo容器之间进行共享数据和配置，请使用-v。
vidia-docker run -it -v /host/data:/data -v /host/config:/config ufoym/deepo bash现在，请开始你的Deepo之旅吧！
tensorflow
$ python
>>> import tensorflow
>>> print(tensorflow.__name__, tensorflow.__version__)
tensorflow 1.3.0sonnet
$ python
>>>>>> import sonnet
>>> print(sonnet.__name__, sonnet.__path__)
sonnet ['/usr/local/lib/python3.5/dist-packages/sonnet']pytorch
$ python
>>> import torch
>>> print(torch.__name__, torch.__version__)
torch 0.2.0_3keras
$ python
>>> import keras
>>> print(keras.__name__, keras.__version__)
keras 2.0.8mxnet
$ python
>>> import mxnet
>>> print(mxnet.__name__, mxnet.__version__)
mxnet 0.11.0cntk
$ python
>>> import cntk
>>> print(cntk.__name__, cntk.__version__)
cntk 2.2chainer
$ python
>>> import chainer
>>> print(chainer.__name__, chainer.__version__)
chainer 3.0.0theano
$ python
>>> import theano
>>> print(theano.__name__, theano.__version__)
theano 0.10.0beta4+14.gb6e3768lasagne
$ python
>>> import lasagne
>>> print(lasagne.__name__, lasagne.__version__)
lasagne 0.2.dev1caffe
$ python
>>> import caffe
>>> print(caffe.__name__, caffe.__version__)
caffe 1.0.0$ caffe –version
caffe version 1.0.0torch
$ th
│ ______ __ | Torch7
│ /_ __/__ ________/ / | Scientific computing for Lua.
│ / / / _ \/ __/ __/ _ \ | Type ? for help
│ /_/ \___/_/ \__/_//_/ | https://github.com/torch
│ | http://torch.ch
│
│th>选择比较
软件许可
Deepo有MIT许可证。
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2017年11月17日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
