Dev container-ների օգտագործումը մեքենայական ուսուցման մեջ
Ինչպես կարգավորել և աշխատել VSCode dev container extension-ի հետ մշակման ընթացքում։
Այսօր Docker-ը վայելում է հսկայական popularity։ Այն թեթև է, շարժական և ինքնաբավ, ինչը այն դարձնում է հիանալի ընտրություն միկրոսերվիսային ճարտարապետության համար։ Docker container-ները հեշտացնում են ծրագրակազմի կառուցումը և միջավայրի մեկուսացումը, և կարող են աշխատել տարբեր օպերացիոն համակարգերով և ապարատային հարթակներով բազմաթիվ միջավայրերում։ Կարող ենք երկար խոսել այն մասին, թե որքան լավ են container-ները ծառայում deployment-ին, բայց եկեք մի քայլ հետ գնանք և նայենք, թե ինչպես կարող են օգնել մշակման ժամանակ։
Պատկերացրեք մի սցենար, երբ պետք է ծրագիր կառուցել օպերացիոն համակարգի կոնկրետ տարբերակի վրա, կամ ուզում եք ձեր հավելվածը թեստավորել մի քանի միջավայրում։ Կարող եք կառուցել docker container՝ որպես base image օգտագործելով ձեզ անհրաժեշտ OS-ը, և գործարկել այն առանց detach ռեժիմի (-d)՝
docker run -it <IMAGE>
, կամ միանալ արդեն աշխատող container-ին հետևյալով՝
docker exec -it [container-id] bash
Դրանից հետո կոդը գրում և թեստավորում եք տերմինալի պատուհանում։ Ըհհհ…, դա գրավիչ չի հնչում։ Տերմինալում ծրագրակազմ մշակելը այլևս այն մշակման միջավայրը չէ, որ ակնկալում ենք 2024-ին։ Կարո՞ղ ենք ավելի լավ անել։
Բարեբախտաբար…. Այո, կարող ենք 🙂
VSCode Dev container
Microsoft-ի VSCode extension-ը՝ Dev Containers-ը, այստեղ չափազանց օգտակար է։ Dev Containers extension-ով Docker container-ը կարող է ծառայել որպես լիարժեք մշակման միջավայր։
Այլ առավելությունների թվում այն թույլ է տալիս՝
- Աշխատել գործիքների հետևողական, վերարտադրելի հավաքածուով՝ նույն OS-ի վրա, ինչ ձեր deployment միջավայրը։
- Հեշտությամբ անցնել առանձին մշակման միջավայրերի միջև և դրանք անվտանգ թարմացնել՝ առանց ձեր տեղային համակարգին դիպչելու։
- Թիմի նոր անդամներին կամ contributor-ներին տալ պարզ, հետևողական մշակման միջավայր, որպեսզի նրանց համար սկսելն ավելի հեշտ լինի։
- Փորձել նոր տեխնոլոգիաներ կամ կոդային բազայի պատճեն ստեղծել՝ առանց ձեր տեղային կարգավորումը խանգարելու։
Այս ամենը ստանում եք արդեն ծանոթ VSCode խմբագրիչում՝ նույն հնարավորություններով և օգտատիրական փորձով, ինչ տեղային աշխատելիս, միայն թե աշխատանքային տարածքն այժմ մեկուսացված է container-ի ներսում։
Dev container-ի սահմանում
Ստեղծեք Dockerfile.dev, որը պարունակում է ձեր միջավայրի կարգավորումը։ Ստորև կարող եք տեսնել docker ֆայլի օրինակ։
FROM nvidia/cuda:11.1.1-cudnn8-runtime-ubuntu20.04
# Install python3.10
RUN : \
&& apt-get update \
&& apt-get install -y git \
&& apt-get install -y --no-install-recommends software-properties-common \
&& add-apt-repository -y ppa:deadsnakes \
&& apt-get install -y --no-install-recommends python3.10-venv \
&& apt-get install libpython3.10-dev -y \
&& apt-get clean \
&& :
# Add env to PATH
RUN python3.10 -m venv /venv
ENV PATH=/venv/bin:$PATH
# Ensures that Python output to stdout/stderr is not buffered: prevents missing information when terminating
ENV PYTHONUNBUFFERED 1
# Update pip
RUN /venv/bin/python3.10 -m pip install pip --upgrade
WORKDIR /usr/src/app
ENTRYPOINT ["tail", "-f", "/dev/null"]
Ձեր նախագծի արմատային դիրեկտորիայում ստեղծեք .devcontainer թղթապանակ և դրա մեջ դրեք dev container-ի կոնֆիգուրացիայի ֆայլ՝ devcontainer.json անունով։ Կարող եք այն կարգավորել նաև ինտերակտիվ կերպով ctrl + shift + p -> Dev Containers: Configure Container Features կամ ctrl + shift + p -> Dev Containers: New Dev Container միջոցով։
Ապա լրացրեք devcontainer.json ֆայլը հիմնական կարգավորումով։
// For format details, see https://aka.ms/devcontainer.json. For config options, see the
// README at: https://github.com/devcontainers/templates/tree/main/src/docker-existing-dockerfile
{
"name": "Existing Dockerfile",
"build": {
// Sets the run context to one level up instead of the .devcontainer folder.
"context": "..",
// Update the 'dockerfile' property if you aren't using the standard 'Dockerfile' filename.
"dockerfile": "../Dockerfile.dev"
},
}
Dev container մեքենայական ուսուցման համար
Մեքենայական ուսուցման նախագծերը հաճախ պահանջում են GPU-ի հասանելիություն։ Սա նույնպես կարելի է կարգավորել devcontainer.json-ում։ Ահա Nvidia GPU-ով, Jupiter notebook-ներով և Python extension-ներով dev container-ի օրինակ կոնֆիգուրացիա։
{
"name": "Existing Dockerfile",
"build": {
"context": "..",
"dockerfile": "../Dockerfile.dev"
},
"runArgs": ["--gpus","all"],
"remoteEnv": {
"PATH": "${containerEnv:PATH}:/usr/local/cuda/bin",
"LD_LIBRARY_PATH": "$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64",
"XLA_FLAGS": "--xla_gpu_cuda_data_dir=/usr/local/cuda"
},
// Configure tool-specific properties.
"customizations": {
"vscode": {
"extensions": [
"ms-python.python",
"ms-toolsai.jupyter",
"ms-toolsai.vscode-jupyter-cell-tags",
"ms-toolsai.jupyter-keymap",
"ms-toolsai.jupyter-renderers",
"ms-toolsai.vscode-jupyter-slideshow",
"ms-python.vscode-pylance"
]
}
}
}
“customizations”-ի տակ թվարկված extension-ները տեղադրվում են ավտոմատ կերպով, ուստի դրանք նախապես տեղադրված ունենալու կամ ձեռքով տեղադրելու կարիք չկա։ Յուրաքանչյուր տեղադրված extension վարվում է ճիշտ այնպես, ինչպես կվարվեր ձեր համակարգչի վրա տեղային աշխատելիս՝ առաջարկելով նույն ֆունկցիոնալությունը և նույն օգտատիրական փորձը։
Dev container-ի գործարկումը
Dev container-ը գործարկելու համար ընտրեք ctrl + shift + p -> Dev Containers: Reopen in Container և վայելեք աշխատանքը ձեզ լավ ծանոթ VSCode-ում։
Ամփոփում
Այս հոդվածը ցույց տվեց, թե ինչպես կարգավորել և օգտագործել VSCode dev container extension-ը մշակման համար։ Extension-ը ձեզ տալիս է նույն մշակման փորձը, ինչ ձեր մեքենայի վրա տեղային աշխատելիս, միաժամանակ առաջարկելով container-ներում միջավայրի մեկուսացման բոլոր առավելությունները։ Այն նաև լավ է աշխատում հեռավոր միջավայրերում։