docker

Docker サンドボックス

Feynman はホスト上に置いたまま、Docker コンテナ内で研究コードを実行します。コンテナにはプロジェクトファイルが渡され、コマンドを実行し、結果は同期されます。

使用する場面

• /replicate または /autoresearch で、実行環境として「Docker Sandbox」を選択する場合
• 論文のリポジトリに含まれる信頼できないコードを実行する場合
• パッケージのインストールやシステム状態の変更を伴う実験
• Feynman のワークフローで研究コードを安全に、または隔離して実行するよう求められた場合

仕組み

1. 研究コードに適したベースイメージをビルドするか、プルします
2. プロジェクトディレクトリをコンテナにマウントします
3. コンテナ内で実験コマンドを実行します
4. 結果はマウントされたディレクトリに書き戻されます

コンテナ内でコマンドを実行する

Python の研究コードの場合（最も一般的）：

docker run --rm -v "$(pwd)":/workspace -w /workspace python:3.11 bash -c "
  pip install -r requirements.txt &&
  python train.py
"

Dockerfile があるプロジェクトの場合：

docker build -t feynman-experiment .
docker run --rm -v "$(pwd)/results":/workspace/results feynman-experiment

GPU ワークロードの場合：

docker run --rm --gpus all -v "$(pwd)":/workspace -w /workspace pytorch/pytorch:latest bash -c "
  pip install -r requirements.txt &&
  python train.py
"

ベースイメージの選択

研究の種類	ベースイメージ
Python ML/DL	pytorch/pytorch:latest または tensorflow/tensorflow:latest-gpu
Python 汎用	python:3.11
Node.js	node:20
R／統計	rocker/r-ver:4
Julia	julia:1.10
複数言語	手動でインストールした ubuntu:24.04

永続コンテナ

/autoresearch のような反復実験では、--rm の代わりに名前付きコンテナを作成します。実験に基づいて、内容がわかる名前を付けます。

docker create --name <name> -v "$(pwd)":/workspace -w /workspace python:3.11 tail -f /dev/null
docker start <name>
docker exec <name> bash -c "pip install -r requirements.txt"
docker exec <name> bash -c "python train.py"

これにより、反復をまたいでインストール済みパッケージが保持されます。クリーンアップするには、次を実行します。

docker stop <name> && docker rm <name>

注意事項

• マウントされたワークスペースの結果は、自動的にホストへ同期されます
• コンテナではデフォルトでネットワークが有効です。完全に隔離するには --network none を追加します
• GPU にアクセスするには、Docker に NVIDIA Container Toolkit を設定する必要があります