Afin de pouvoir entraîner et déployer des modèles d’IA sur Qualia, vous aurez besoin d’installer et de configurer Docker et JupyterLab sur votre machine. Dans ce guide, nous allons vous montrer comment installer ces outils et les configurer pour travailler avec Qualia.

Installation de Docker

Docker est un outil de virtualisation qui permet de créer des conteneurs légers et portables pour exécuter des applications. Pour installer Docker sur votre machine, suivez les instructions ci-dessous :

  1. Tout d’abord, vérifiez que votre machine est compatible avec WSL 2 (Windows Subsystem for Linux 2). Pour cela, ouvrez une invite PowerShell en tant qu’administrateur et exécutez la commande suivante :

      wsl --set-default-version 2
wsl --install -d Debian

    Si vous obtenez une erreur, cela signifie que votre machine n’est pas compatible avec WSL 2. Dans ce cas, vous devrez mettre à jour votre système d’exploitation vers Windows 10 version 2004 ou supérieur (Build 19041 ou supérieur) or Windows 11.

  2. Téléchargez l’exécutable sur le site officiel de Docker à l’adresse suivante : Docker.

  3. Lorsque vous y êtes invité, assurez-vous que l’option Utiliser WSL 2 au lieu d’Hyper-V sur la page de configuration est sélectionnée.

  4. Suivez les instructions d’installation pour terminer le processus.

  5. Ouvrez Docker Desktop pour démarrer le service Docker.

  6. Désormais, ouvrez une invite de commande et exécutez les commandes suivantes pour lancer un conteneur TensorFlow avec prise en charge GPU :

      docker run -d --gpus all -it -u root -p 8888:8888 -v $(pwd):/workspace --shm-size=256m tensorflow/tensorflow:2.14.0-gpu

  1. Téléchargez l’installateur Docker Desktop pour Windows à partir du site officiel de Docker : Docker Desktop.

  2. Suivez les instructions d’installation pour terminer le processus.

  3. Ouvrez Docker Desktop pour démarrer le service Docker.

  4. Désormais, ouvrez une invite de commande et exécutez les commandes suivantes pour lancer un conteneur TensorFlow :

      docker run -it --rm -p 8888:8888 tensorflow/tensorflow:2.14.0

Vous pouvez également utiliser Google Collab pour entraîner vos modèles d’IA. Téléchargez le fichier Jupyter Notebook sur votre ordinateur et importez-le dans Google Collab pour l’exécuter.

Google Collab

Installation de JupyterLab

  1. Une fois le conteneur Docker lancé, ouvrez une invite de commande et exécutez la commande suivante :

      docker ps -a

    Vous devriez voir un conteneur en cours d’exécution avec l’image TensorFlow. Notez l’ID du conteneur.

      Sortie :
CONTAINER ID        IMAGE                              COMMAND             CREATED             STATUS              PORTS                    NAMES
f95b6ac4e565        tensorflow/tensorflow:latest-gpu   "/bin/bash"         4 seconds ago       Up 2 seconds        0.0.0.0:8888->8888/tcp   competent_robinson

  2. Exécutez la commande suivante pour accéder à l’interface JupyterLab :

      docker exec -it -u root CONTAINER_ID bash
  
      Sortie :
________                               _______________                
___  __/__________________________________  ____/__  /________      __
__  /  _  _ \_  __ \_  ___/  __ \_  ___/_  /_   __  /_  __ \_ | /| / /
_  /   /  __/  / / /(__  )/ /_/ /  /   _  __/   _  / / /_/ /_ |/ |/ / 
/_/    \___//_/ /_//____/ \____//_/    /_/      /_/  \____/____/|__/


WARNING: You are running this container as root, which can cause new files in
mounted volumes to be created as the root user on your host machine.

To avoid this, run the container by specifying your user's userid:

$ docker run -u $(id -u):$(id -g) args...

root@f95b6ac4e565:/#

  3. Exécutez les commandes suivantes pour mettre à jour les paquets et installer JupyterLab :

      apt update; apt -y upgrade
mkdir .local .jupyter .cache .cache/pip
chmod 777 .local .jupyter .cache .cache/pip
pip install jupyterlab
exit

  4. Exécutez la commande suivante pour démarrer JupyterLab :

      docker exec -it -u $(id -u):$(id -g) CONTAINER_ID bash
  
      Sortie :
________                               _______________                
___  __/__________________________________  ____/__  /________      __
__  /  _  _ \_  __ \_  ___/  __ \_  ___/_  /_   __  /_  __ \_ | /| / /
_  /   /  __/  / / /(__  )/ /_/ /  /   _  __/   _  / / /_/ /_ |/ |/ / 
/_/    \___//_/ /_//____/ \____//_/    /_/      /_/  \____/____/|__/


You are running this container as user with ID 1000 and group 1000,
which should map to the ID and group for your user on the Docker host. Great!

tf-docker / >

  5. Exécutez la commande suivante pour définir un mot de passe pour JupyterLab :

      export PATH=/.local/bin:$PATH
jupyter lab password

  6. Enfin, exécutez la commande suivante pour démarrer JupyterLab :

      cd workspace
jupyter lab --no-browser --ip=*

  7. Ouvrez un navigateur web et accédez à l’URL suivante pour accéder à l’interface JupyterLab : http://localhost:8888/lab.

Télécharger le notebook

Vous pouvez télécharger le notebook qui va servir de ligne de base pour votre projet d’IA Embarquée en cliquant sur le lien suivant : Télécharger le notebook.