keras Docker 기본 패키지 이미지 프로세싱용 tensorflow 2.4.3

Docker 이미지 프로세서 개발 환경 구축을 위해서는 아래와 같이 구성 되어져야 합니다.  

1. tenosrflow 2.4.3 버전 일 때 의 최적화

---

# Random precessing
import numpy as np
import pandas as pd
import random ,os, csv ,re
from glob import glob

# Make Image
import cv2
from PIL import Image
import matplotlib.pyplot as plt

# default load
import tensorflow as tf
from tensorflow.keras.utils import to_categorical

#impage preprocessing
from tensorflow.keras.preprocessing import image as image_utils
from tensorflow.keras.preprocessing.image import(ImageDataGenerator) 
from tensorflow.keras.preprocessing.text import(text_to_word_sequence)

#impage preprocessing
from tensorflow.keras import layers
from tensorflow.keras.models import(Model, load_model)

# LabelEncoder 
from sklearn.preprocessing import LabelEncoder

# keras models
from tensorflow.keras.layers import (
    BatchNormalization, SeparableConv2D, MaxPooling2D, Activation, 
    Flatten, Dropout, Dense , Input
)
# Keras Applications
from tensorflow.keras.applications import(ResNet50)

위의 최적화는 tensorflow/tensorflow:2.4.3-jupyter  에서  아래의 Docker 파일을 이용해서 만든 것입니다.  

참고로  이것은 GPU 버전이 아닌 CPU 연산용 입니다.     

2. tenosrflow 2.4.3 버전 일 때 사용

---

  tesnsorflow  2.4.3  jupyter-notebook으로 진입 할 수 있는 버전은 아래와 같이 2가지 입니다.  

   

     1) tenosrflow/ tenosrflow:2.4.3-gpu-jupyter  

     2) tenosrflow/ tenosrflow:2.4.3-jupyter

 

위에 것은 GPU 연산용이고,  아래것은  CPU 만 연산 되는 것입니다.    

그런데,  위의 버전은 OpenCv 가 지원되지 않는 단점을 가지고 있습니다.   일반적으로 아나콘다 환경에서 설치하게 되면,  모든 패키지가 설치 되지만,  실제로 Docker에서  개발 환경 설정 하는 것은 쉬운 일이 아닙니다. 

따라서 아래의 링크와 같이,  별도로 Dockerfile을 만들어서 bulid 해야 합니다. 

https://github.com/rdmkyg/tensorflow_cv

 

 jupyter Docker 시리즈는  bash 계정 이용시,   Dockerfile로 build  하기가 어렵습니다.  즉 jovyan이라는 계정으로 로그인 되기 때문입니다. 

하지만, teonsorflow 2.4.3은  GPU 이건 CPU이건  문제 없이 돌아 갑니다. 

도커가 설치 되어 있다면 아래와 같이 명령어를 치면 문제 없이 작동 합니다. 

 1. CPU 만 동작할 경우  

   -  Ubuntu 명령어 입니다. 

docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 --name my-jupyter rdmkyg/tensorflow:2.4.3-jupyter-cv 

   - Windows 명령어 입니다.  참고로 저는 E 드라이브에 Dropbox를 설치하여, 그것을 링크 하였습니다. 

docker run -d -p 8888:8888 -v "E:\Dropbox\notebook:/tf/notebooks"  --name my-jupyter  rdmkyg/tensorflow:2.4.3-jupyter.cv 

 2.GPU 로 동작하는 경우 

  - Ubuntu 명령어 입니다. 

docker run -it --rm -runtime=nvidia -v $(realpath ~/Dropbox):/tf/notebooks -p 8888:8888 --name my-gpu rdmkyg/tensorflow:2.4.3-gpu-jupyter.cv

   - Windows 명령어 입니다. 

  docker run -d -p 8888:8888  -runtime=nvidia -v "E:\Dropbox\notebook:/tf/notebooks"  --name my-jupyter  rdmkyg/tensorflow:2.4.3-gpu-jupyter.cv 

어찌 되었던 Docker 만 설치 되어 있다면,  위의 명령어로 환경 실행이 가능 합니다. 

컨테이너 번호만 알면,  컴퓨터 재 시작시 자동 시작 할수 있습니다. 

 docker update --restart=always ae0eadffedf6