docker_facenet_image在Docker容器中運行Facenet環境搭建

　　對開發和運維人員來講，可能最求之不得的就是一次性地建立或配置，能夠在任意環境、任意時間讓應用正常運行。而Docker偏偏是能夠實現這一終極目標的瑞士軍刀。

　　具體來講，Docker在開發和運維過程當中，具備以下幾個方面的優點。

　　1.更快速的交付和部署。使用Docker，開發人員可使用鏡像來快速構建一套標準的開發環境；開發完成以後，測試和運維人員可使用相同環境來部署代碼。Docker能夠建立和刪除容器，實現快速迭代，大量節約開發、測試、部署的時間。而且，各個步驟都有明確的配置和操做，整個過程全程可見，使團隊更容易理解應用建立和工做的過程。

　　2.更高效的資源利用。Docker 容器的運行不須要額外的虛擬化管理程序支持，它是內核級的虛擬化，能夠實現更高的性能，同時對資源的額外需求很低。

　　3.更輕鬆的遷移和擴展。Docker 容器幾乎能夠在任意的平臺運行，包括物理機、虛擬機、公有云、私有云、我的電腦、服務器等。這種兼容性讓用戶能夠在不一樣平臺之間輕鬆遷移應用。

　　4.更簡單的更新管理。使用Dockerfile，只須要小小的配置修改，就能夠替代以往大量的更新工做。而且全部修改均可以以增量的方式進行分發和更新，從而實現自動化而且高效的容器管理。

　　基於Docker以上優勢，咱們來搭建Docker的facenet環境

       Facenet簡介

    Facenet是一個基於Tensorflow實現的人臉識別器，其核心思想來自於論文：「FaceNet: A Unified Embedding for Face Recognition and Clustering」。此篇博客主要介紹如何用在Docker容器中搭建Facenrt環境。

　　在Docker容器中運行Facenet

　　Ubuntu 系列安裝 Docker

　　要安裝最新的Docker版本，首先須要安裝apt-transport-https支持，以後通過添加源來安裝。

　　$sudo apt-get install apt-transport-https

　　$sudo apt -key adv--key server hkp://keyserver.ubuntu.com:80 --recv-keys 36A1D7869245C8950F966E92D8576A8BA88D21E9

　　$sudo bash -c "echo deb https://get.docker.io/ubuntu docker main > /etc/apt/sources.list.d/docker.list"

 

　　$sudo apt-get update

      $sudo apt-get installl xc-docker

　　

　　 若是是較低版本的Ubuntu系統，須要先更新內核。

　　

       $sudo apt-get update

　　$sudoapt-get install linux-image-generic-lts-raring linux-headers-generic-lts-raring

       $sudo reboot

　　 而後重複上面的步驟便可。安裝以後啓動Docker服務。

　　

　　$sudo service docke rstart

　　在Docker容器中搭建Facenet運行環境

　　1.在docker內拉取一個Python3.5或者Python3.6的鏡像。參考代碼以下：

　　

docker pull python:3.5

　　2.經過命令sudo docker images 查看安裝結果，以下圖：

　　

　　3. 經過鏡像python:3.5建立一個facenet容器，參考代碼以下：

　　

sudo docker run --name='docker_facenet' -dit python:3.5 /bin/bash

　　4.經過命令sudo docker ps -a 查看容器，以下圖：

　　

　　5.經過sudo docker attach docker_facenet進入容器，以下圖：

　　

　　6.在Docker容器內安裝各類運行Facenet須要的包。（同在本機上安裝的那些包），參考代碼以下：

　　

pip install --upgrade tensorflow_gpu==1.7
pip install --upgrade numpy==1.16.2
pip install scipy==1.2.1
pip install scikit-learn
pip install opencv-python
pip install h5py
pip install matplotlib
pip install Pillow
pip install requests
pip install psutil

 

      7.複製本地數據和代碼到容器，參考指令以下：

　　

docker cp /home/ubuntu/Lwh/data/3D-Face-BMP_blur_datagen.zip  docker_facenet:/lwh/facenet-master/src/align/datasets

　　

　　8.複製容器文件到本地宿主機，參考指令以下：

 

docker cp docker_facenet:/lwh/facenet-master  /home/ubuntu/Lwh/nvidia-docker-facenet

 

 

 

　　9.運行各類Facenet程序，此時與在本機運行相似。需注意此時各個文件的路徑是在docker的文件系統中的路徑

　　10.以上安裝方法比較繁瑣，後續更新Dockerfile更新方式