Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Halaman ini menjelaskan cara membuat dan menyiapkan penampung deep learning lokal.
Panduan ini mengharapkan Anda memiliki pemahaman dasar
tentang Docker.
Sebelum memulai
Selesaikan langkah-langkah berikut untuk menyiapkan akun Google Cloud , mengaktifkan API yang diperlukan, serta menginstal dan mengaktifkan software yang diperlukan.
Di Google Cloud Konsol, buka halaman Kelola resource, lalu pilih atau buat project.
Jika Anda menggunakan sistem operasi berbasis Linux, seperti Ubuntu atau Debian,
tambahkan nama pengguna ke grup docker agar Anda dapat menjalankan Docker
tanpa menggunakan sudo:
sudousermod-a-Gdocker${USER}
Anda mungkin perlu memulai ulang sistem setelah menambahkan diri Anda ke
grup docker.
Buka Docker. Untuk memastikan Docker berjalan, jalankan perintah Docker berikut, yang menampilkan waktu dan tanggal saat ini:
docker run busybox date
Gunakan gcloud sebagai helper kredensial untuk Docker:
gcloud auth configure-docker
Opsional: Jika Anda ingin menjalankan penampung menggunakan GPU secara lokal,
instal
nvidia-docker.
Membuat penampung
Ikuti langkah-langkah berikut untuk membuat penampung.
Untuk melihat daftar penampung yang tersedia:
gcloud container images list \
--repository="gcr.io/deeplearning-platform-release"
Anda dapat membuka Memilih penampung
untuk membantu memilih penampung yang Anda inginkan.
Jika Anda tidak perlu menggunakan penampung yang mendukung GPU, masukkan contoh kode
berikut. Ganti tf-cpu.1-13 dengan nama penampung
yang ingin Anda gunakan.
docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
gcr.io/deeplearning-platform-release/tf-cpu.1-13
Jika Anda ingin menggunakan penampung yang mendukung GPU, masukkan contoh kode
berikut. Ganti tf-gpu.1-13 dengan nama penampung
yang ingin Anda gunakan.
docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
gcr.io/deeplearning-platform-release/tf-gpu.1-13
Perintah ini memulai container dalam mode terpisah, memasang direktori lokal
/path/to/local/dir ke /home/jupyter dalam container, dan memetakan
port 8080 di container ke port 8080 di komputer lokal Anda. Penampung
sudah dikonfigurasi sebelumnya untuk memulai server JupyterLab, yang dapat Anda
kunjungi di http://localhost:8080.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-04-03 UTC."],[[["This guide details the process of creating and setting up a local deep learning container, requiring basic Docker knowledge."],["The setup involves creating or selecting a Google Cloud project, installing and initializing the gcloud CLI, and installing Docker, with specific instructions for Linux users to avoid using `sudo`."],["Users can choose from available deep learning containers using a command to list them or visit the \"Choosing a container\" page, then using a command to either use a cpu container, or a gpu-enabled container."],["The container is launched in detached mode, mounting a local directory to the container and mapping a port, which then allows the user to use a preconfigured JupyterLab server."],["Optionally, for those requiring GPU acceleration, the guide suggests installing `nvidia-docker`, and using the appropriate container creation command."]]],[]]