本文主要是介绍Rstudio Server + Docker + tensorflowR - 云端安装与使用R语言与GPU深度学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
笔者本来想在阿里云上部署nvidia - docker + Rstudio Server，然后使用R语言来进行深度学习。本篇是在该过程中产生的经验之谈。
文章目录
- 1 准备阶段
- 2 Rstudio Server nvidia-docker 环境
- 2.1 docker初始化的问题
- 2.2 docker中文环境布置问题
- 3 Rstudio Server的部署
- 3.1 启动
- 3.2 添加用户组
- 4 R语言与tensorflow + keras
- 4.1 安装
- 4.2 占用指定显存容量
- 4.3 模型
1 准备阶段
来看看要准备一些什么：
- cuda/cudnn不提了…
- docker/nvidia-docker安装如下，一些问题可参考：docker︱在nvidia-docker中使用tensorflow-gpu/jupyter，大致如下：
安装docker
curl -sSL https://get.docker.com/ | sh1
安装Nvidia Docker
wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
sudo dpkg -i /tmp/nvidia-docker*.deb12
通过以下命令来检验是否成功：
nvidia-docker run --rm nvidia/cuda nvidia-smi
2 Rstudio Server nvidia-docker 环境
在项目pbhogale/gpu-keras-rstudio中有非常棒的环境已经写好，大致的环境为：nvidia/cuda:9.0-cudnn7-runtime
2.1 docker初始化的问题
但是由于在阿里云上对接github上很多资源下载会出现time out；
也会出现因为版本问题而无法下载的，在笔者调试了很多次下该Dockerfile是可以把环境部署好的（下载链接），但是需要自己在docker里面自己装keras:tensorflow。
把笔者提供的Dockerfile替换一下gpu-keras-tidyverse文件夹下的文件。
其中需要注意的有，注意点一：
RUN set -e \&& useradd -m -d /home/rstudio rstudio \&& echo rstudio:rstudioTheLegendOfZelda \| chpasswd \&& apt-get -y autoremove \&& apt-get clean
这个代表了设置rstudio的初始密码，好吧… 这个docker默认设置有点调皮，密码好长…
账号为：rstudio
密码为：rstudioTheLegendOfZelda
注意点二：
RUN set -e \&& grep '^DISTRIB_CODENAME' /etc/lsb-release \| cut -d = -f 2 \| xargs -I {} echo "deb ${CRAN_URL}bin/linux/ubuntu {}/" \| tee -a /etc/apt/sources.list \&& apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9 \&& apt-get update \&& apt-get upgrade -y -q \&& pip install --upgrade pip==9.0.3 \&& pip install virtualenv \&& pip install pelican \&& rm -rf .cache \&& echo 'options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))' >> /etc/R/Rprofile.site \&& /usr/lib/R/site-library/littler/examples/install.r tensorflow keras \&& r -e "install.packages(c('devtools', 'xgboost', 'tidyverse', 'rmarkdown', 'greta', 'usethis', 'docopt'))" \&& apt-get -y autoremove \&& apt-get clean
options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))这个如果是阿里云需要改成清华的镜像，不然基本下载不了。
2.2 docker中文环境布置问题
启动docker + r server会发现中文读入不了，笔者加载了 Sys.setlocale("LC_ALL", 'en_US.UTF-8') 或 Sys.setlocale()
有以下几个问题：原因是系统里面没有utf-8的locale。
Warning message:
In Sys.setlocale("LC_ALL", "Chinese") :OS reports request to set locale to "Chinese" cannot be honored
以及
Warning message:
Character set is not UTF-8; please change your locale
需要在docker环境下安装locale，可参考：
locale-gen en_US.UTF-8
apt-get install language-pack-zh-hant-base language-pack-zh-hans-base
参考：
Ubuntu 安装和启用中文
修改locale
比较来说，在/etc/default/locale文件最好使用以下：
LANG="en_US.UTF-8"
LANGUAGE="en_US:en"
3 Rstudio Server的部署
3.1 启动
#查看是否安装正确 sudo rstudio-server verify-installation ## 启动 sudo rstudio-server start ## 查看状态 sudo rstudio-server status ## 停止 sudo rstudio-server stop ## 重启sudo rstudio-server restart## 查看服务端ip地址 ifconfig
3.2 添加用户组
##添加用户组sudo groupadd rstudio-group##添加用户sudo useradd anlan -g rstudio-group##设置用户密码sudo passwd xxxxxx##创建用户目录sudo mkdir /home/anlan##赋予目录权限sudo chown -R anlan:rstudio-group /home/anlan
但是如果是在docker之中使用，笔者一直发现一个问题，就是添加不了用户，一直报错：
RSTUDIO INITIALIZATION ERROR: UNABLE TO CONNECT TO SERVICE
解决办法是：
参考：解決登入 Docker 的 RStudio 遇到錯誤 RStudio Initialization Error: Unable to connect to service
- 只登陆一个账号，一般为
rstudio:rstudio，此处如果是默认的docker的话，即为：rstudio:rstudioTheLegendOfZelda - 第二种是在docker启动的时候，就为设置账号和密码（笔者实验好像无效）：
docker run -d -p 8787:8787 -e USER=<username> -e PASSWORD=<password> rocker/rstudio
4 R语言与tensorflow + keras
4.1 安装
有了以上的环境，那么来看一下R之中使用keras/tensorflow,如果要使用简单的keras，需要先加载Keras，然后使用keras下载tensorflow。
install.packages("devtools")
devtools::install_github("rstudio/keras")
library(keras)
install_tensorflow(gpu=TRUE)
其中install_tensorflow()与install_keras()有几个参数：
# 函数一：install_keras
install_keras <- function(method = c("auto", "virtualenv", "conda"), conda = "auto",tensorflow = "default",
extra_packages = c("tensorflow-hub")) # 函数二：install_tensorflow
install_tensorflow <- function(method = c("auto", "virtualenv", "conda", "system"),conda = "auto",version = "default",envname = "r-tensorflow",extra_packages = c("keras", "tensorflow-hub"),
restart_session = TRUE) | Method | Description |
|---|---|
| auto | Automatically choose an appropriate default for the current platform. |
| virtualenv | Install into a Python virtual environment at ~/.virtualenvs/r-tensorflow |
| conda | Install into an Anaconda Python environment named r-tensorflow |
| system | Install into the system Python environment |
一些控制版本：
# tensorflow
install_tensorflow(version = "1.0.0")
install_tensorflow(method = "conda")
install_tensorflow(version = "nightly-gpu") # gpu version
install_tensorflow(version = "gpu") # gpu version# keras
library(keras)
install_keras(tensorflow = "1.2.1")
install_keras(tensorflow = "1.2.1-gpu")
install_keras(method = "conda")那么大体来说，py的版本控制，好像没有特别的参数与控制，一般默认是py2的tensorflow，其中在install_tensorflow()：
python_versions <- py_versions_windows()
4.2 占用指定显存容量
这边如果在使用tf的时候，会出现一下子把显存全部占满的情况，则需要控制一下，笔者只是照搬了py的稍微改一下，没想到能用，分享给大家。
library(tensorflow)
config = tf$ConfigProto()
config$gpu_options$per_process_gpu_memory_fraction = 0.3
tf$Session(config=config)
4.3 模型
这边就不举例了，在很多地方都有：
Keras for R： https://blog.rstudio.com/2017/09/05/keras-for-r/
可参考：
Installing TensorFlow
https://github.com/rstudio/keras
https://github.com/rstudio/tensorflow
这篇关于Rstudio Server + Docker + tensorflowR - 云端安装与使用R语言与GPU深度学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
