Apr/11/2025 Updated by

「AlphaZero　深層学習・強化学習・探索人工知能プログラミング実践入門」

のコードが動く Docker コンテナ

[Up]

前提条件

nVidia のGPU を装備した Windows 11 マシンに、 Docker on Windows (GPU) の手順で Docker Desktop がインストールされている。
Docker Host (= Windows) の Ubuntu (WSL2) から docker コマンドが実行できる。

1. Docker Container を用意する

1.1. 作成すべき python 仮想環境

AlphaZero　深層学習・強化学習・探索人工知能プログラミング実践入門」のコードが動く Docker Container を作成する。

tensorflow 1.x では、keras も別途インストールする必要があることに注意する。

pip install keras

[本のサンプルで使用されている主要パッケージのバージョン (p.55)]
  python 3.6.7
  tensorflow 1.13.1
  numpy 1.14.6
  matplotlib 3.0.3
  pandas 0.22.0
  Pillow(PIL) 4.1.1
  h5py 2.8.0
  gym 0.10.11

1.2. nVidia GPU (CUDA) に対応した Docker Image を探す

https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow/tags
nvcr.io/nvidia/tensorflow:19.03-py3 が tensorflow　1.13.1 に対応しているようだ。

nVidia の公式 Release Notes が以下の URL にある。 https://docs.nvidia.com/deeplearning/frameworks/tensorflow-release-notes/index.html

tf1 の最終バージョンは 23.03-tf1-py3 のようだ。

Container     TensorFlow     Python
--------------------------------
23.03         1.15.5        3.8
23.02         1.15.5        3.8
23.01         1.15.5         
22.12         1.15.5         
22.11         1.15.5         
22.10         1.15.5         
22.09         1.15.5         
22.08         1.15.5         
22.07         1.15.5         
22.06         1.15.5         
22.05         1.15.5         
22.04         1.15.5        3.8
22.03         1.15.5         
22.02         1.15.5         
22.01         1.15.5         
21.12         1.15.5         
21.11         1.15.5         
21.10         1.15.5        3.8
21.09         1.15.5         
21.08         1.15.5         
21.07         1.15.5         
21.06         1.15.5        3.8 
21.05         1.15.5         
21.04         1.15.5         
21.03         1.15.5        3.8
21.02         1.15.5        3.8
20.12         1.15.4        3.8
20.11         1.15.4        3.6
20.10         1.15.4        
20.09         1.15.3        
20.08         1.15.3        
20.07         1.15.3        
20.06         1.15.2        
20.05         1.15.2        
20.04         1.15.2        
20.03         1.15.2        
20.02         1.15.2        
20.01         1.15.0        
19.12         1.15.0        
19.11         1.15.0        
19.10         1.14.0        
19.09         1.14.0        
19.08         1.14.0        3.6
19.07         1.14.0        3.6
19.06         1.13.1        3.5
19.05         1.13.1        3.5
19.04         1.13.1        3.5
19.03         1.13.1        3.5

「f文字列」は python3.6 以降でサポートされている。したがって、tensorflow が 1.13.1 ではなく 1.14.0 になるが 19.07 を使うことにする。

1.3. Docker Container を作成する

使用したい Docker Image が見つかったら、以下のコマンドでダウンロードして Docker Container を作成し、実行できる。

(例) 緑色の文字部分は環境に合わせて変更すること
docker run --gpus all -it --rm -v local_dir:container_dir nvcr.io/nvidia/tensorflow:19.07-py3

以下の条件でコンテナを作成する。

割当	コンテナ名	ポート1 (22へ転送)	ポート2 (8888へ転送)	/root/doc マウント先	Docker Image
-	alphazero	7075	8085	/home/docker/alphazero	nvcr.io/nvidia/tensorflow:19.07-py3

Docker Host である Windows 上の Ubuntu (WSL2) の対話環境の中で以下のコマンドを実行する。

docker run --name alphazero --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 --gpus all \
     -p 7075:22 -p 8085:8888 \
     -v /home/docker/alphazero:/root/doc \
     -it nvcr.io/nvidia/tensorflow:19.07-py3

1.4. Docker Container の環境を整える (ssh)

Docker Guest の対話環境にアクセスする。

(方法1) docker attach を使う

Docker Host の Windows 上で動作する Ubuntu (WSL2) において、docker コマンドを用いて alphazero コンテナに接続する。

docker attach alphazero

(方法2) docker desktop の Container/alphazero の Exec タブを使う

Docker Desktop から alphazero を選択して、"Exec" タブを選択するとシェルが起動して、対話環境が手に入る。

docker ゲストOS で GPU が見えているかを確認する。

root@eeb02c8a1435:~/doc# nvidia-smi
Sun Apr 13 08:09:21 2025
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 565.72                 Driver Version: 566.14         CUDA Version: 12.7     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 3070 ...    On  |   00000000:01:00.0 Off |                  N/A |
| N/A   44C    P0             33W /  125W |       0MiB /   8192MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+
root@eeb02c8a1435:~/doc# cat /usr/local/cuda/version.txt
CUDA Version 10.1.168
root@eeb02c8a1435:~/doc# nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Apr_24_19:10:27_PDT_2019
Cuda compilation tools, release 10.1, V10.1.168

python の状況を調べる

root@eeb02c8a1435:~/doc# python
Python 3.6.8 (default, Jan 14 2019, 11:02:34)
[GCC 8.0.1 20180414 (experimental) [trunk revision 259383]] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2025-04-13 08:22:37.775154: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudart.so.10.1
p>>> print(tf.__version__)
1.14.0
>>> exit()

openssh の環境を整える。パスワードの部分は推測されにくい文字列に変更すること。

apt-get update
apt-get upgrade -y
apt-get install -y openssh-server
echo 'root:パスワード' | chpasswd
sed -i "s/#PermitRootLogin prohibit-password/PermitRootLogin yes/" /etc/ssh/sshd_config
service ssh start

これで、ポート番号を指定して外からdocker guest に ssh アクセスできるようになる。 IP アドレスは docker host のもの。

ssh -p 7075 root@133.99.41.195

後で cmake をコンパイルするときに必要になるので openssh 開発用ライブラリもインストールしておく。

apt-get install libssl-dev
apt-get install -y openssh    ← openssh パッケージのインストールがなぜか失敗する。

1.5. Docker Container の環境を整える (tensorflow 1.14.0 & python 3.6)

AlphaZero 実践入門のサンプルコードを送り込む。rsyncコマンドを使っているが、通信プロトコルは ssh で、docker guest への ssh ポート番号である 7075 を指定する。

rsync -avr -e "ssh -p 7075" sample root@133.99.41.195:/root/doc

本のサンプルコードを動かす環境は以下の通り。

requirements.txt

tensorflow_gpu==1.13.1
numpy==1.14.6
matplotlib==3.0.3
panas==0.22.0
Pillow==4.1.1
h5py==2.8.0
gym==0.10.11

最初からインストールされているパッケージのバージョンを調べる。

root@eeb02c8a1435:~/doc# python
Python 3.6.9 (default, Mar 10 2023, 16:46:00)
[GCC 8.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

tensorflow は 1.14.0 がインストール済み。

>>> import tensorflow as tf
2025-04-13 08:39:48.697903: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudart.so.10.1
>>> print(tf.__version__)
1.14.0

numpy は1.14.6ではなく、1.14.5 であった。このまま進める。

>>> import numpy as np
>>> print(np.__version__)
1.14.5

matplotlib は3.0.3で本と同じであった。

>>> import matplotlib
>>> print(matplotlib.__version__)
3.0.3

pandas は 0.22.0 ではなく、0.23.0 であった。このまま進める。

>>> import pandas as pd
>>> print(pd.__version__)
0.23.0

PIL (Pillow) は 4.1.1 ではなく、5.4.1 であった。このまま進める。

>>> import PIL
>>> print(PIL.__version__)
5.4.1

h5py は 2.8.0 ではなく、2.9.0 であった。このまま進める

>>> import h5py
>>> print(h5py.__version__)
2.9.0

gym はインストールされていない。

>>> import gym
Traceback (most recent call last):
  File "", line 1, in 
ImportError: No module named 'gym'

新しい python 仮想環境を作成せずに、gym パッケージをインストールする。
gym パッケージをインストールする。

pip install gym==0.10.11

keras はインストールされている。

>>> import tensorflow.keras
2025-04-13 08:52:03.276548: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library libcudart.so.10.1
>>> print(tensorflow.keras.__version__)
2.2.4-tf

[注意] tensorflow.keras でアクセスされることに注意。 4_4_dqn_carpole.ipynb で keras を import しているのでコードの変更が必要。

from keras.models import Sequential  →  from tensorflow.keras.models import Sequential

サンプルコードでは、Colab にファイルをアップロードしているが、その機能を代替するために ipywidgets パッケージが必要。

pip install ipywidgets

jupyter notebookを起動する。

jupyter notebook --allow-root --ip=0.0.0.0 --no-browser

他のマシンからアクセスするには "--ip=0.0.0.0" の指定が必要であることに注意。

(動作中の jupyter notebook の token を知る)
jupyter notebook list

外部からアクセスする

http://133.99.41.195:8085/?token=a62e....e0ab

「AlphaZero 深層学習・強化学習・探索 人工知能プログラミング実践入門」