나만의 환경으로 docker image 만들기

드디어 문제를 해결했다...! 나만의 환경에 대한 docker file은 다음과 같다.

# Base image
FROM nvidia/cuda:11.4.3-cudnn8-devel-ubuntu18.04

# Install necessary dependencies
RUN apt-get update && apt-get install -y \
    build-essential \
    cmake \
    git \
    curl \
    vim \
    wget \
    ca-certificates \
    libjpeg-dev \
    libpng-dev \
    software-properties-common \
    && rm -rf /var/lib/apt/lists/*

# Install Python 3.7 and pip
RUN add-apt-repository ppa:deadsnakes/ppa && apt-get update \
    && apt-get install -y python3.7 python3.7-dev python3.7-distutils python3-pip \
    && ln -s /usr/bin/python3.7 /usr/local/bin/python3 \
    && ln -s /usr/bin/python3.7 /usr/local/bin/python \
    && python3.7 -m pip install pip --upgrade

# Install PyTorch 0.4.1
RUN pip install torch==0.4.1 torchvision==0.2.1 -f https://download.pytorch.org/whl/torch_stable.html

# Set environment variables
ENV PATH="/opt/conda/bin:${PATH}"
ENV LD_LIBRARY_PATH="/usr/local/cuda/lib64:${LD_LIBRARY_PATH}"
ENV CUDA_HOME="/usr/local/cuda"

 

해결 방법: Ubuntu 18.04는 PyTorch 0.4.1 버전이 지원되진 않는 문제가 있었다. 따라서 https 링크를 통해 stable한 모든 torch 버전 안에서 탐색할 수 있도록 변경해주었다.

 

해당 docker file을 빌드해준다.

docker build -t jeein:sem-com .

제대로 이미지가 빌드되었는지 확인해보자.

docker images

 

그럼 해당 이미지를 통해 container를 실행해보자.

docker run --runtime=nvidia --gpus all -it --name sem-com -v /home/:/home/ jeein:sem-com

 

버전 확인도 해보자.