‍公众号关注 “ML_NLP”

设为 “星标”，重磅干货，第一时间送达！

来自 | 知乎  作者 | Joya

链接｜https://zhuanlan.zhihu.com/p/409445491

本文仅作学术分享，若侵权，请联系后台删文处理

关键词：VS Code, Docker, Remote-Container, Remote-SSH

适用：远程服务器上有计算环境（GPU炼丹炉）想使用 Docker 快速配置环境的 developer/researcher

简单在哪：本方案全程鼠标点点点，不需要该任何.json等配置文件。

关于 Docker 的好处这里不多赘述，可以看下面这篇文章：

https://zhuanlan.zhihu.com/p/64493662

随着宇宙第一编译器 Visual Studio 的弟弟 Visual Studio Code （我也是宇宙第一编辑器！雾）不断的迭代更新，到今天它已经极度适用于远程开发，官方对于 VS Code 远程开发的扩展三剑客：Remote-SSH，Remote-Container，Remote-WSL 给开发者和研究者带来了巨大的便利。

Remote-SSH 大家可能已经熟知，它可以用于连接远程服务器，并在其上安装扩展插件，实现如代码补全/语法检查等令人舒适的功能。

https://code.visualstudio.com/docs/remote/ssh

而 Remote-Container 则是将 Docker 与 VS Code 的优势融为一体的关键先生，可以使得像 Remote-SSH 登录服务器一般登录容器。

假使我们已经能够利用 Remote-SSH 进行远程开发，接下来想要利用 Docker 便捷地配置深度学习环境。整个过程可以简单地分为四步：

（1）利用 Remote-SSH 远程登录，然后安装 Docker 与 Remote-Container 插件：

（2）直接从 dockerhub 拖下来 pytorch 的合适镜像。如果想灵活一点，可以自己 docker build，笔者的 Dockerfile 如下：

FROM pytorch/pytorch:1.9.0-cuda10.2-cudnn7-devel# By default, GPU support is built if CUDA is found and torch.cuda.is_available() is true. # It’s possible to force building GPU support by setting FORCE_CUDA=1 environment variable, # which is useful when building a docker image.ENV FORCE_CUDA=1

# From Detectron2# This will by default build detectron2 for all common cuda architectures and take a lot more time,# because inside `docker build`, there is no way to tell which architecture will be used.ARG TORCH_CUDA_ARCH_LIST="Kepler;Kepler+Tesla;Maxwell;Maxwell+Tegra;Pascal;Volta;Turing"ENV TORCH_CUDA_ARCH_LIST="${TORCH_CUDA_ARCH_LIST}"# From MMAction2. Not necessary.RUN apt-get updateRUN apt-get install git vim libgl1-mesa-glx ffmpeg ninja-build libglib2.0-0 libsm6 libxrender-dev libxext6# Not necessary.RUN pip install gpustat pycocotools scipy opencv-python

（3）实例化镜像（images）生成容器（containers）：

此处需要注意，用 docker run 实例化镜像时，需要带上 gpu 相关的命令参数，否则在容器里可能看不到 gpu。如，可以使用下列命令：

docker run --gpus all --shm-size=8g -it -v /home/chenjoya/data/:/data chenjoya/pytorch

其中，-v 的意思是 volume，为容器添加与服务器上联通的数据卷。命令最后的参数为镜像名，可以自己设置 tag。

（4）Attach VS Code：

右键容器 attach vs code，开启神奇之旅！

此时 VS Code 会提示我们安装 docker desktop，按照指示安装即可。另，第一次 attach 会比较慢，vs code 会检测正在运行的容器，可以在容器里打开一个文件什么的，让它检测到。

进入容器后，可以安装 python扩展，享受写码的便利：

祝大家开开心心生活，快快乐乐炼丹！

推荐阅读：
H.T. Kung 关于研究的有用建议
什么是Transformer位置编码？
17篇注意力机制PyTorch实现，包含MLP、Re-Parameter系列热门论文

点击下方卡片，关注公众号“机器学习算法与自然语言处理”，获取更多信息：