staudtyves/infrastruktur-dok
1
0
Fork 0
forked from CDS/infrastruktur-dok
Code Pull Requests Activity

Installation-Tensorflow.md aktualisiert

Browse Source
This commit is contained in:
Curdin Marxer 2025-03-13 11:34:40 +01:00
parent b0d23b248c
commit 87f52975dc
1 changed files with 16 additions and 3 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

19
Installation-Tensorflow.md
View File

@ -37,12 +37,18 @@ Wie aus der Grafik ersichtlich ist, brauchen wir im Container Tensorflow. Dieses
Falls uns jedoch im Container noch ein bestimmtes Softwarepaket fehlt, ist es möglich, mit Hilfe einer Container-Sandbox dieses zu installieren und danach ein modifiziertes und auf unsere Bedürfnisse angepasstes Containerimage zu generieren.
Auf einer der oben erwähnten Workstations mit SSH einloggen und mit dem folgenden Befehl eine Verzeichnishierarchie für den Buildvorgang erstellen:
Auf einer der verfügbaren Workstations mit SSH einloggen und dann mit Slurm eine interaktive Session unter Verwendung einer GPU starten:
```
salloc -p students -G a100:1 --cpus-per-task=16 --mem=7G
```
Danach können wir mit dem folgenden Befehl eine Verzeichnishierarchie für den Buildvorgang erstellen:
```
mkdir -p ~/build-apptainer/sandboxes/ && cd ~/build-apptainer
```
Container mit bereits installierter Tensorflowsoftware können von Dockerhub oder von der Nvidia-Registry bezogen werden. Dabei wird das Docker Imageformat automatisch ins Apptainerformat (.sif) umgewandelt. Im nachfolgenden Beispiel benutzen wir die Docker-Registry:
Container mit bereits installierter Tensorflowsoftware können von Dockerhub oder von der Nvidia-Registry bezogen werden. Dabei wird das Docker Imageformat automatisch ins Apptainerformat (.sif) umgewandelt. Hier könnten wir auch eine neuere Version des Tensorflowimages angeben. Im nachfolgenden Beispiel benutzen wir die Docker-Registry um Tensorflow 2.16.1 zu beziehen:
```
apptainer pull tensorflow-2.16.1-gpu.sif docker://tensorflow/tensorflow:2.16.1-gpu
@ -124,11 +130,18 @@ Update von Conda selbst:
## Installieren von Tensorflow mit Conda
Als erstes erstellen wir eine Conda Environment die Python 3.12 enthält:
Damit wir für die Installation von Tensorflow einen erkennbaren GPU zur Verfügung haben, müssen wir eine interaktive Slurm-Session starten:
```
salloc -p students -G a100:1 --cpus-per-task=16 --mem=7G
```
Dann erstellen wir eine neue Conda Environment die Python 3.12 enthält:
```
conda create --name tf -y python=3.12
conda activate tf
conda install pip
pip install --upgrade pip
```