win10系统通过docker部署pytorch的GPU环境

命名实体有关文章参考这篇文章
中文地址命名实体识别训练和预测

win10系统安装cuda环境参考这篇文章
搭建Pytorch的GPU环境超详细

文件结构

准备环境

（1）、安装cuda环境
（2）、安装docker

1、创建基础镜像，安装pytorch和python

dockerfile

# 使用适当的基础镜像
FROM python:3.7

# 更新apt-get并安装必要的系统库
RUN apt-get update
# 安装 PyTorch，这里假设你要安装的是 CPU 版本的 PyTorch 1.9.0
RUN pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 -f https://download.pytorch.org/whl/torch_stable.html

• 1
• 2
• 3
• 4
• 5
• 6
• 7

创建基础镜像

docker build -t mytorch37gpu .

• 1

2、基于基础镜像，安装一些python包

dockerfile

FROM mytorch37gpu
add . /test
WORKDIR /test
run pip install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.douban.com

• 1
• 2
• 3
• 4

pytorch-crf==0.7.2
transformers==4.5.0
numpy
packaging==21.3

• 1
• 2
• 3
• 4

创建镜像

docker build -t ptorch37gpu .

• 1

3、应用镜像，执行py文件

dockerfile

FROM ptorch37gpu
RUN mkdir /test
copy test.py /test
WORKDIR /test
CMD ["python", ""]

• 1
• 2
• 3
• 4
• 5

import torch
print(torch.__version__)
print(torch.cuda.is_available())

• 1
• 2
• 3

创建测试应用镜像

docker build -t testgpu .

• 1

执行测试

docker run --gpus all -it testgpu

• 1

结果

说明pytorch的GPU环境安装成功

4、应用镜像，执行命名实体识别例子

dockerfile

FROM ptorch37gpu
add . /test
WORKDIR /test
CMD ["python", "predict_addr.py"]

• 1
• 2
• 3
• 4
• 5
• 6

创建测试应用镜像

docker build -t addrgpu .

• 1

执行测试

docker run --gpus all -it addrgpu

• 1

结果