So erstellen Sie eine Deep-Learning-Umgebung mit Python in einem Docker-Container

Überprüfen Sie die Virtualisierung im Task-Manager. Ist sie aktiviert, starten Sie den Computer neu, wenn sie deaktiviert ist, und aktivieren Sie sie im BIOS.

Installieren Sie Docker Desktop und aktivieren Sie die WSL-Funktion.

Öffnen Sie PowerShell

Erstellen eines Images

docker run --rm -it quay.io/azavea/raster-vision:pytorch-latest /bin/bash
Docker-Bilder

Erstellen Sie einen Container basierend auf der Bild-ID

docker create -it --name [Name] [Bild-ID]
Docker-Start [Name]

Betreten des Containers

docker exec -it [Container-ID] /bin/bash

Übertragen Sie Dateien zwischen Docker-Container und lokalem Computer

docker cp [lokaler Pfad] Container-ID: [Pfad im Container]
docker cp D:\docker\raster-vision\myPY\test.py 7837a6060f9d:/opt/src/code/test.py
Docker CP Container-ID: [Pfad im Container] [lokaler Pfad] 

Alle Docker-Images anzeigen
Alle Container anzeigen docker ps -a

Beim Training wurde mehr als 1 Wert pro Kanal erwartet, die Eingabegröße lautete torch.Size([1, 256, 1, 1])

batch_size=1 ergibt
Ändern Sie es in eine gerade Zahl oder legen Sie den Parameter drop_last=True in der Klasse torch.utils.data.DataLoader oder in einer von Ihnen erstellten Klasse fest, die von DataLoader erbt, um Daten zu verwerfen, die kleiner als eine Batchgröße sind.

urllib.error.URLError: <urlopen-Fehler [Errno 111] Verbindung abgelehnt>

Netzwerkproblem.
Laden Sie es lokal herunter und laden Sie es dann hoch oder verwenden Sie ein VPN.

Dies ist das Ende dieses Artikels zum Erstellen einer Deep-Learning-Umgebung mit Python unter Verwendung von Docker-Containern. Weitere Informationen zum Erstellen einer Deep-Learning-Umgebung mit Python unter Verwendung von Docker-Containern finden Sie in früheren Artikeln auf 123WORDPRESS.COM oder in den folgenden verwandten Artikeln. Ich hoffe, Sie werden 123WORDPRESS.COM auch in Zukunft unterstützen!