pycharm连接docker tensorflow-gpu镜像运行报错

AI专题精讲

已于 2025-03-19 20:53:32 修改

阅读量431

点赞数

分类专栏： python 深度学习文章标签： tensorflow pycharm docker

于 2020-02-01 11:50:11 首次发布

本文链接：https://blog.youkuaiyun.com/qq_39698985/article/details/104131576

版权

深度学习同时被 2 个专栏收录

50 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

python

62 篇文章

订阅专栏

1. 报错如下

Traceback (most recent call last):
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal i

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AI专题精讲

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

Ubuntu18.04基于Docker和Pycharm搭建Tensorflow-gpu训练环境

Hello Word!

05-04

1974

1.前提：安装好pycharm-professional，docker ce，nvidia-docker2，nvidia-gpu驱动。安装方法见各自链接。 2.安装： 1. 在Pycharm Pro中配置Docker插件 2. 安装指定镜像，不要直接安装latest版，也不要安装nightly版、devel版或、bleeding edge版，而是指定版本号进行安装： docker run --r...

pycharm连接docker配置及tensorflow_gpu镜像的设置

探索人工智能革命，深入算法原理与创新应用，未来科技无限可能。

09-30

233

连接设置 sudo vim /lib/systemd/system/docker.service 设置tcp, 比 ExecStart=/usr/bin/dockerd -H tcp://0.0.0.0:2375 -H unix://var/run/docker.sock

参与评论您还未登录，请先登录后发表或查看评论

libcuda.so.1

01-21

nvidia中cuda的一个关键文件，有错误操作时容易丢失。

ImportError: /usr/lib/x86_64-linux-gnu/libcuda.so.1: file too short

探索人工智能革命，深入算法原理与创新应用，未来科技无限可能。

11-24

2180

Traceback (most recent call last): File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module> from tensorflow.python.pywrap_tensorflow_internal import * File "/usr/local/lib/python3.5/dist-packa

解决报错ImportError: /usr/lib/x86_64-linux-gnu/libcuda.so.1: file too short

Xurui_Luo的博客

08-11

5496

当前容器中的x86_64-linux-gnu中有若干文件有问题将宿主机的x86_64-linux-gnu整个替换，问题得到解决

/usr/lib/x86_64-linux-gnu/libcuda.so.1: file too short

热门推荐

七爷OK

08-10

1万+

背景：在使用docker 的时候，我从一台A机器上拷贝了一个镜像到B机器上运行，在A机器上镜像运行的好好的，到到了B机器，莫名其妙出现了一个问题，在容器内执行run.sh： #run.sh WARNING:root:This caffe2 python run does not have GPU support. Will run in CPU only mode. WARNING:root...

docker报错“OSError: /usr/lib/x86_64-linux-gnu/libcuda.so.1: file too short”

xiangxianghehe的博客

04-27

8579

解决方案：使用nvidia-docker run而非docker run即可解决该问题

Anaconda + tensorflow-gpu + docker + pycharm专业版实现本地远程互联

cyy18702236763的博客

01-27

2981

Anaconda + tensorflow-gpu + docker + pycharm专业版实现本地远程互联

AI容器化部署开发尝试（一）（Pycharm连接docker，并部署django测试）

weixin_43134049的博客

04-19

1726

Docker 技术与 PyCharm 的整合：加速未来 AI 技术的快速部署在人工智能 (AI) 的快速发展过程中，技术工具的整合与优化不断推动着开发效率的提升。Docker，作为一种开源的容器化平台，提供了一种高效、轻量级的方法来封装和运行应用，确保了应用在不同环境中的一致性和可移植性。而 PyCharm，作为一款广受欢迎的 Python 开发环境，其对 Docker 的支持使得开发者能够在一个集成的环境中更便捷地开发、测试和部署 AI 应用。环境一致性和便捷性。

ImportError: /usr/local/cuda-9.0/lib64/libcudnn.so.7: file too short导入TensorFlow报错

weixin_42167172的博客

11-20

1107

动态库链接出了问题：首先我们要进入到/usr/local/cuda/lib64下执行rm libcudnn.so.7 libcudnn.so.7.4.1 然后切换到你下载的cudnn目录执行cp libcudnn.so.7.4.1 /usr/local/cuda/lib64 最后一定要记得切回/usr/local/cuda/lib64 再执行ln -s l...

libcuda.so

03-28

cuda 4.0安装后生成编译CUDA程序所需的 libcuda.so 文件

FileZilla_3.7.3_x86_64-linux-gnu.tar.bz2

04-24

FileZilla_3.7.3_x86_64-linux-gnu.tar.bz2

ImportError: /usr/local/cuda/lib64/libcudnn.so.7: file too short

qq_28454857的博客

03-21

3551

为cuda10.0安装cudnn时，文件已经复制进/usr/local/cuda/lib64/里面了，安装tensorflow-gpu之后，import tensorflow出现ImportError: /usr/local/cuda/lib64/libcudnn.so.7: file too short错误解决方案：此时需要建立新粘贴的libcudnn.so.7.3.1 文件很...

Linux：error while loading shared libraries: /usr/lib/xx.so.xx: file too short

github_34572149的博客

03-26

1064

Linux：error while loading shared libraries: /usr/lib/xx.so.xx: file too short

[问题解决] docker提示file too short的错误

博客

11-18

3422

本文主要为了解决docker环境配置过程中出现的英伟达驱动掉了的问题。

/lib64/gcc_s.so.1: file too short解决方案

rentian1的博客

08-21

4619

遇到一个问题，错误提示是：/lib64/gcc_s.so.1: file too short。这里最初是需要执行rpm 装包的，由于rpm需要调用这个库，导致rpm及所有用到这个库的程序全部没有办法应用。通过命令locate gcc_s.so，发现这个库是个符号链接，它对应了 /lib64/libgcc_s.so.1 -> libgcc_s-4.4.3-20100127.so....

liunx错误

qq_41605733的博客

01-31

360

liunx上操作出现的一些错误集锦

libpcre.so.1错误解决方法

weixin_33901843的博客

04-17

4794

error while loading shared libraries: libpcre.so.1: cannot open shared object file: No such file or directory方法：如果是32位系统[root@lee ~]# ln -s /usr/local/lib/libpcre.so.1 /lib如果是64位系统[root@le...

pycharm服务器docker

最新发布

03-18

### 如何在 PyCharm 中设置和使用 Docker 作为远程解释器或服务器 #### 配置前提条件为了成功配置 PyCharm 使用 Docker 作为远程解释器或服务器，需确保满足以下先决条件[^2]： - 已安装并正确配置 Docker。 - 远程服务器已启用 SSH 登录功能，并能够通过网络访问。 - 如果涉及 GPU 资源，则需要确认 Docker 支持 GPU 加速，并已在容器中正确配置[^1]。 #### 添加 Docker 解释器在 PyCharm 中添加 Docker 作为 Python 解释器的过程如下： - 打开 **Settings** 或 **Preferences** 对话框（具体路径为 `File -> Settings` 或 `PyCharm -> Preferences`）。 - 导航至 `Project: <your_project_name> -> Python Interpreter`。 - 点击齿轮图标，选择 `Add...`。 - 在弹出窗口中选择左侧的 `Docker` 图标，表示要基于 Docker 创建新的解释器环境。 - 输入 Docker 的主机地址以及认证信息（如适用）。对于本地 Docker，默认可以留空；而对于远程服务器上的 Docker 实例，则需要提供完整的连接字符串，例如 `tcp://<remote_host>:2375`[^4]。 #### 设置项目依赖于 Docker 容器中的 Python 版本当选择了 Docker 类型后，可以选择具体的镜像名称或者创建一个新的自定义镜像来构建解释器环境。例如，如果目标是利用带有 CUDA 和 cuDNN 支持的 PyTorch 环境，可指定官方提供的镜像名 `pytorch/pytorch:<version>-cuda<cuda_version>-cudnn<cu_version>-runtime`[^3]。 #### 启动支持 GPU 的 Docker 容器实例针对深度学习场景下的 GPU 训练需求，可以通过命令行预先启动一个具备 GPU 功能的支持 SSH 登陆的服务端口映射好的容器实例: ```bash docker run -itd \ --shm-size=8G \ -p 8089:22 \ --name="pgf_train" \ --gpus all \ -v /host/path/to/project:/container/path/to/workspace \ pytorch/pytorch:1.4-cuda10.1-cudnn7-runtime /bin/bash ``` 此脚本片段展示了如何运行具有共享内存大小调整、SSH服务暴露给外部客户端接入权限授予全部可用图形处理器单元(GPU)，并将宿主机目录挂载到容器内部工作区位置的操作方法。完成上述操作之后，在 PyCharm 内部就可以无缝切换至此定制化环境下执行程序逻辑测试与优化流程了。 ---