ローカルのディープラーニングコンテナを使ってみる
コレクションでコンテンツを整理必要に応じて、コンテンツの保存と分類を行います。

このページでは、ローカルのディープラーニングコンテナを作成し、設定する方法について説明します。このガイドでは、Docker の基本事項を理解していることを前提としています。

始める前に

次の手順で Google Cloud アカウントの設定、必要な API の有効化、必要なソフトウェアのインストールと有効化を行います。

Google Cloud Console で [リソースの管理] ページに移動し、プロジェクトを選択または作成します。

注: このチュートリアルで作成するリソースをそのまま保持する予定でない場合、既存のプロジェクトを選択するのではなく、新しいプロジェクトを作成してください。完了後にそのプロジェクトを削除すれば、プロジェクトとチュートリアルに関連するすべてのリソースを削除できます。
[リソースの管理] に移動
gcloud CLI をインストールして初期化します。
Docker をインストールします。

Ubuntu や Debian などの Linux ベースのオペレーティングシステムを使用している場合は、ユーザー名を docker グループに追加して、sudo を使わずに Docker を実行できるようにします。
```
sudo usermod -a -G docker ${USER}
```
注意: docker グループは、root ユーザーと同等です。システムのセキュリティに及ぼす影響について詳しくは、Docker のドキュメントをご覧ください。
docker グループにユーザー名を追加した後に、システムの再起動が必要となる場合があります。
Docker を開きます。Docker が稼働中であることを確認するには、現在の時刻と日付を返す次の Docker コマンドを実行します。
```
docker run busybox date
```
Docker 認証ヘルパーとして gcloud を使用します。
```
gcloud auth configure-docker
```
省略可: GPU をローカルで使用してコンテナを実行する場合は、nvidia-docker をインストールします。

コンテナを作成する

コンテナを作成するには、次の手順を行います。

使用可能なコンテナのリストを表示するには:
```
gcloud container images list \
  --repository="gcr.io/deeplearning-platform-release"
```
必要であれば、コンテナの選択を参照してコンテナを選択してください。
GPU 対応のコンテナを使用する必要がない場合は、次のサンプルコードを入力してください。tf-cpu.1-13 は、使用するコンテナの名前に置き換えます。
```
docker run -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-cpu.1-13
```
GPU 対応のコンテナを使用する場合は、次のサンプルコードを入力してください。tf-gpu.1-13 は、使用するコンテナの名前に置き換えます。
```
docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home/jupyter \
  gcr.io/deeplearning-platform-release/tf-gpu.1-13
```

このコマンドは、コンテナを接続解除モードで起動して、ローカルディレクトリ /path/to/local/dir をコンテナ内の /home/jupyter にマウントし、コンテナのポート 8080 をローカルマシンのポート 8080 にマッピングします。コンテナは JupyterLab サーバーを起動するように事前構成されています。このサーバーは http://localhost:8080 からアクセスできます。

次のステップ

Docker のドキュメントで、コンテナの操作方法を確認する。