client-dockerfiles

镜像说明

我们准备了安装有 Orion Client Runtime 的 TensorFlow，PyTorch 和 PaddlePaddle 多版本镜像。此仓库中的Dockerfiles对应于Orion vGPU软件的官方 Docker Hub Registry。

镜像中均安装 MNLX_OFED 4.5.1 用户态驱动以支持RDMA网络。

部分镜像中的深度学习框架从源码编译得到，对于这些镜像，我们在对应的说明文档中给出了编译选项，并将用于构建镜像的编译生成的安装包放到镜像中的 /opt 目录下，以便用户在物理机或者 KVM 虚拟机中安装。此外，我们将 oriond 和 install-client 安装包也放到镜像中的 /opt 目录下。

部分镜像中也包含一组 NVIDIA CUDA Samples，以便用户测试 Orion vGPU 环境。

注意： 如果用户需要通过共享内存高效地使用本地 Orion vGPU 资源，容器需要以 --ipc host （对于 Kubernetes: hostIPC: true）模式启动

TensorFlow 镜像

TensorFlow 2.0, Ubuntu 16.04, Python 3.5

docker pull virtaitech/orion-client:cu10.0-tf2.0-py3

TensorFlow 2.0 从源码编译，镜像中安装了 Jupyter Notebook。

此外，镜像中的 /root/cuda10.0-regressions 包括了一组 CUDA Samples。

TensorFlow 1.13, Ubuntu 16.04，Python 3.5

docker pull virtaitech/orion-client:cu10.0-tf1.13-py3

TensorFlow 1.13 从源码编译，镜像中安装了 Juypter Notebook。

镜像中包含 官方 CNN Benchmarks，位于 /root/benchmarks 路径。

此外，镜像中的 /root/cuda10.0-regressions 包括了一组 CUDA Samples。

TensorFlow 1.12, Ubuntu 16.04，Python 3.5

docker pull virtaitech/orion-client:cu9.0-tf1.12-py3

TensorFlow 1.12 从官方提供 wheel 包安装，镜像中安装了 Juypter Notebook。

镜像中包含 官方 CNN Benchmarks，位于 /root/benchmarks 路径。

此外，镜像中的 /root/cuda9.0-regressions 包括了一组 CUDA Samples。

PyTorch 镜像

PyTorch 1.3.0, Ubuntu 16.04, Python 3.5

docker pull virtaitech/orion-client:cu10.0-torch1.3.0-py3

我们从源码编译了 PyTorch 1.3.0，保证 CUDA 和 NCCL 均为动态链接。此外，我们从源码编译了 torchvision 0.4.2 版本，打包进镜像。

镜像中带有 官方模型例子，位于 /root/examples 目录。

PyTorch 1.1.0, Ubuntu 16.04, Python 3.5

docker pull virtaitech/orion-client:cu9.0-torch1.1.0-py3

我们从源码编译了 PyTorch 1.1.0，保证 CUDA 和 NCCL 均为动态链接。此外，我们从源码编译了 torchvision 0.3.0 版本，打包进镜像。

镜像中带有 官方模型例子，位于 /root/examples 目录。

PaddlePaddle 镜像

PaddlePaddle 1.5, Ubuntu 16.04，Python 3.5

docker pull virtaitech/orion-client:cu10.0-paddle1.5-py3

我们从源码编译了 PaddlePaddle 1.5，以确保框架动态链接到 CUDA Runtime 动态库 libcudart.so.10.0。

此外，我们将 『飞桨』深度学习框架入门教程 克隆到 /root/book 目录下，并将相应数据集下载到容器内部。