Docker こんな便利なモノがあるとは知りませんでした。
Docker 気に入ってしまいました。
Raspberry Piに色々な環境を構築してアプリを入れたりアプリの開発をやるとき、障壁になるのが環境構築の煩雑さ、既存の環境とのコンフリクト、です。
幾度となく挫折を経験してきました。
こういうことを通じて技術力も向上できるわけではありますが、本命は別の所にあるわけで、できれば環境構築とかは簡単に済ませたいものです。
今、Jetoson Nano超入門を読んでいるのですが、そこにあったのが、Docker、です。
これ、もの凄く良いです。
気に入ってしまいました。
Dockerとはなにものか？を説明してくれているのがコレ。
NVIDIAが提供しているDocker関係データがコチラ。
それでは実際に使ってみましょう。
Jetson Nano超入門の記載に沿ってDockerを体験してみました。
この本を持っていない人には、どうやるの？という疑問しか残らないと思います。
ネットを調べてみるとありました。
本に書いてある手順とほぼ同じ手順を説明している記事がありました。
それがコチラ。
実際にやってみた僕の結果がコチラ。
Dockerを動かし、JupyterLabを起動したところです。
JupyterLabのpythonを動かしてみました。
手順は至って簡単です。
まずは、Dockerイメージをダウンロードします。
sudo docker pull nvcr.io/nvidia/l4t-ml:r32.5.0-py3
そして、コンテナを実行します。
sudo docker run -it --rm --runtime nvidia --network host nvcr.io/nvidia/l4t-ml:r32.5.0-py3
そしてウェブブラウザーに、
http://localhost:8888
と打ち、パスワードが聞かれるので、nvidia、と打てば終わり。
JupyterLabが起動されます。
これの何が凄いかって、たった2行で、以下の環境が作られたことになります。
Tensorflow 1.15
torchvision v0.8.0
onnx 1.8.0
numpy 1.19.4
OpenCV 4.4.1
scipy 1.5.4
JupyterLab 2.2.9
Pytorch v1.7.0
torchaudio v0.7.0
Cupy 8.0.0
numba 0.52.0
pandas 1.1.5
scikit-learn 0.23.2
機械学習に必要なものが一式入っています。
これは凄いことです。
今まで環境構築に使っていた労力を本来の仕事に振り向けることができ、かつ、構築した環境は完璧に動きます。
これだけでもjetson nanoのファンになりそうです。
Raspberry Piでは使っていませんでした。
nvidiaがjetson nanoにDockerが使える仕組みを構築してくれていたので使うことができています。
Raspberry Piでも簡単に使えるようになれば良いのになと思います。
参考として、Jetson Nano超入門の筆者の一人である、からあげさんの記事を添付しておきます。
勉強になりますので読んでみては如何でしょうか。
karaage.hatenadiary.jpということで、ここ数日は、Jetson Nanao超入門を読みながら実際にjetson nanoを動かしながら勉強をしてきましたが、一通り終わりました。
GPIOも実際に動かしてみました。
I2Cは動かしてはいませんが、内容は理解できました。
この本で勉強したことを、いよいよ実戦で使っていきたいと思います。
今日はここまで。
では、また。
（記事後記）
からあげさんによる本のサポートページです。
