Instalar TensorFlow con GPU usando WSL2 + Docker + Devcontainer
Explicación detallada sobre el funcionamiento de Docker para integrar soluciones al soporte de Tensorflow con GPU derivado del agotamiento del renderizado nativo de modelos con GPU en Windows desde la versión 2.10.
Ofrece alternativas para confeccionar entornos virtuales en Docker desde terminal con distribuciones de Linux o trabajar directamente en Visual Studio Code con la extensión Dev Container.
Adicionalmente menciona elementos para mejorar el proceso de dockerfiles, imagenes y gestion de contenedores con el multistage, networks, multiplataforma, QoS (Quality of Service - Calidad de Servicio), seguridad, etc.
Repositorio: https://github.com/Pathinker/Docker-T...
Proyectos Auxiliares (DockerFiles)
Tensorflow + Pycuda: https://github.com/Pathinker/Gray-Wol...
Tensorflow + Pytorch + Transformers: https://github.com/SamanthaSaavedra/S...
Links
WSL2: https://learn.microsoft.com/en-us/win...
Docker: https://www.docker.com
Nvidia Container Toolkit: https://docs.nvidia.com/datacenter/cl...
Docker Hub: https://hub.docker.com
Nvida Cuda Toolkit Archive: https://developer.nvidia.com/cuda-too...
Nvidia cuDNN Archive (Apartir 9 y versiones superiores): https://developer.nvidia.com/rdp/cudn...
Nvidia cuDNN Archive: (Aparir 8 y versiones inferiores): https://developer.nvidia.com/cudnn-ar...
Linea Tiempo
0:00 Introducción
0:53 Google Colab
1:53 WSL2
3:03 Docker Desktop
4:23 Nvidia Container Toolkit
5:45 Docker (Explicación/Funcionamiento)
7:52 Docker Hub & Selección Imagen
10:51 Dockerfile (Primera Alternativa)
12:35 Docker Image (Construcción)
13:35 Docker Container (Ejecución)
15:33 Problemas Detección GPU
16:25 Dockerfile (Segunda Alternativa)
20:02 DevContainer
24:10 Docker Características Extras