Docker Model Runner チートシート: コマンドと例

Docker Model Runner コマンドのクイックリファレンス

Docker Model Runner (DMR) は、2025年4月に導入された Docker の公式ソリューションで、AIモデルをローカルで実行するためのものです。このチートシートは、すべての必須コマンド、設定、ベストプラクティスのクイックリファレンスを提供しています。

Docker Model Runner で利用可能な gemma モデルのリスト

インストール

Docker Desktop

GUI を通じて Docker Model Runner を有効にします:

  1. Docker Desktop を開きます
  2. 設定 → AI タブに移動します
  3. Docker Model Runner を有効にする をクリックします
  4. Docker Desktop を再起動します

/home/rg/prj/hugo-pers/content/post/2025/10/docker-model-runner-cheatsheet/docker-model-runner_w678.jpg Docker Model Runner ウィンドウ

Docker Engine (Linux)

プラグインパッケージをインストールします:

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install docker-model-plugin

# Fedora/RHEL
sudo dnf install docker-model-plugin

# Arch Linux
sudo pacman -S docker-model-plugin

インストールを確認します:

docker model --help

コアコマンド

モデルのプル

Docker Hub から事前にパッケージされたモデルをプルします:

# 基本的なプル
docker model pull ai/llama2

# 特定バージョンのプル
docker model pull ai/llama2:7b-q4

# カスタムレジストリからプル
docker model pull myregistry.com/models/mistral:latest

# ネームスペース内の利用可能なモデルを一覧表示
docker search ai/

モデルの実行

モデルを自動APIサーバー付きで起動します:

# 基本的な実行（インタラクティブ）
docker model run ai/llama2 "What is Docker?"

# サービスとして実行（バックグラウンド）
docker model run -d --name my-llm ai/llama2

# カスタムポートで実行
docker model run -p 8080:8080 ai/llama2

# GPU指定で実行
docker model run --gpus 0,1 ai/llama2

# メモリ制限付きで実行
docker model run --memory 8g ai/llama2

# 環境変数付きで実行
docker model run -e MODEL_CONTEXT=4096 ai/llama2

# 持続的なデータ用ボリュームマウント付きで実行
docker model run -v model-data:/data ai/llama2

モデルの一覧表示

ダウンロード済みおよび実行中のモデルを表示します:

# ダウンロード済みモデルの一覧
docker model ls

# 実行中のモデルの一覧
docker model ps

# 詳細情報を含む一覧
docker model ls --all --format json

# 名前でフィルタリング
docker model ls --filter "name=llama"

モデルの停止

実行中のモデルインスタンスを停止します:

# 特定のモデルを停止
docker model stop my-llm

# すべての実行中のモデルを停止
docker model stop $(docker model ps -q)

# タイムアウト付きで停止
docker model stop --time 30 my-llm

モデルの削除

ローカルストレージからモデルを削除します:

# 特定のモデルを削除
docker model rm ai/llama2

# 実行中でも強制削除
docker model rm -f ai/llama2

# 未使用モデルを削除
docker model prune

# すべてのモデルを削除
docker model rm $(docker model ls -q)

カスタムモデルのパッケージング

GGUF から OCI アーティファクトの作成

独自の GGUF モデルをパッケージします:

# 基本的なパッケージング
docker model package --gguf /path/to/model.gguf myorg/mymodel:latest

# メタデータ付きでパッケージング
docker model package \
  --gguf /path/to/model.gguf \
  --label "description=Custom Llama model" \
  --label "version=1.0" \
  myorg/mymodel:v1.0

# 1つのコマンドでパッケージングとプッシュ
docker model package --gguf /path/to/model.gguf --push myorg/mymodel:latest

# カスタムコンテキストサイズ付きでパッケージング
docker model package \
  --gguf /path/to/model.gguf \
  --context 8192 \
  myorg/mymodel:latest

モデルの公開

レジストリにモデルをプッシュします:

# Docker Hub にログイン
docker login

# Docker Hub にプッシュ
docker model push myorg/mymodel:latest

# プライベートレジストリにプッシュ
docker login myregistry.com
docker model push myregistry.com/models/mymodel:latest

# タグ付けしてプッシュ
docker model tag mymodel:latest myorg/mymodel:v1.0
docker model push myorg/mymodel:v1.0

API の使用

OpenAI 互換エンドポイント

Docker Model Runner は自動的に OpenAI 互換の API を公開します:

# API 付きでモデルを起動
docker model run -d -p 8080:8080 --name llm ai/llama2

# チャット補完
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

# テキスト生成
curl http://localhost:8080/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "prompt": "Once upon a time",
    "max_tokens": 100
  }'

# ストリーミング応答
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "Tell me a story"}],
    "stream": true
  }'

# 利用可能なモデルを API で一覧表示
curl http://localhost:8080/v1/models

# モデル情報
curl http://localhost:8080/v1/models/llama2

Docker Compose 設定

基本的な Compose ファイル

version: '3.8'

services:
  llm:
    image: docker-model-runner
    model: ai/llama2:7b-q4
    ports:
      - "8080:8080"
    environment:
      - MODEL_CONTEXT=4096
      - MODEL_TEMPERATURE=0.7
    volumes:
      - model-data:/root/.cache
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

volumes:
  model-data:

マルチモデル設定

version: '3.8'

services:
  llama:
    image: docker-model-runner
    model: ai/llama2
    ports:
      - "8080:8080"
    
  mistral:
    image: docker-model-runner
    model: ai/mistral
    ports:
      - "8081:8080"
    
  embedding:
    image: docker-model-runner
    model: ai/nomic-embed-text
    ports:
      - "8082:8080"

より高度な Docker Compose 設定とコマンドについては、Docker Compose チートシート を参照してください。ネットワーキング、ボリューム、オーケストレーションパターンが含まれています。

環境変数

モデルの動作を環境変数で設定します:

# コンテキストウィンドウサイズ
MODEL_CONTEXT=4096

# 温度 (0.0-1.0)
MODEL_TEMPERATURE=0.7

# Top-p サンプリング
MODEL_TOP_P=0.9

# Top-k サンプリング
MODEL_TOP_K=40

# 最大トークン数
MODEL_MAX_TOKENS=2048

# GPU レイヤー数
MODEL_GPU_LAYERS=35

# バッチサイズ
MODEL_BATCH_SIZE=512

# スレッド数 (CPU)
MODEL_THREADS=8

# 詳細なロギングを有効にする
MODEL_VERBOSE=true

# 認証用APIキー
MODEL_API_KEY=your-secret-key

環境変数付きで実行します:

docker model run \
  -e MODEL_CONTEXT=8192 \
  -e MODEL_TEMPERATURE=0.8 \
  -e MODEL_API_KEY=secret123 \
  ai/llama2

GPU 設定

自動GPU検出

DMR は自動的に利用可能なGPUを検出・使用します:

# すべてのGPUを使用
docker model run --gpus all ai/llama2

# 特定のGPUを使用
docker model run --gpus 0 ai/llama2

# 複数の特定のGPUを使用
docker model run --gpus 0,1,2 ai/llama2

# メモリ制限付きでGPUを使用
docker model run --gpus all --memory 16g ai/llama2

CPU専用モード

GPUが利用可能でもCPUでの推論を強制します:

docker model run --no-gpu ai/llama2

マルチGPUテンソル並列

大規模モデルを複数のGPUに分散して実行します:

docker model run \
  --gpus all \
  --tensor-parallel 2 \
  ai/llama2-70b

診断とデバッグ

モデル詳細の表示

# モデル構成を表示
docker model inspect ai/llama2

# モデルレイヤーを表示
docker model history ai/llama2

# モデルサイズとメタデータを確認
docker model inspect --format='{{.Size}}' ai/llama2

ログとモニタリング

# モデルログを表示
docker model logs llm

# 実時間でログをフォロー
docker model logs -f llm

# 最後の100行を表示
docker model logs --tail 100 llm

# タイムスタンプ付きでログを表示
docker model logs -t llm

パフォーマンス統計

# リソース使用状況
docker model stats

# 特定モデルの統計
docker model stats llm

# JSON形式で統計を表示
docker model stats --format json

ネットワーキング

APIの公開

# デフォルトポート (8080)
docker model run -p 8080:8080 ai/llama2

# カスタムポート
docker model run -p 3000:8080 ai/llama2

# 特定インターフェースにバインド
docker model run -p 127.0.0.1:8080:8080 ai/llama2

# 複数ポート
docker model run -p 8080:8080 -p 9090:9090 ai/llama2

ネットワーク設定

# カスタムネットワークの作成
docker network create llm-network

# カスタムネットワーク上でモデルを実行
docker model run --network llm-network --name llm ai/llama2

# 既存ネットワークに接続
docker model run --network host ai/llama2

セキュリティ

アクセス制御

# APIキー認証付きで実行
docker model run \
  -e MODEL_API_KEY=my-secret-key \
  ai/llama2

# 認証付きで使用
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer my-secret-key" \
  -H "Content-Type: application/json" \
  -d '{"model": "llama2", "messages": [...]}'

レジストリ認証

# プライベートレジストリにログイン
docker login myregistry.com -u username -p password

# プライベートレジストリからプル
docker model pull myregistry.com/private/model:latest

# クレデンシャルヘルパーを使用
docker login --password-stdin < token.txt

ベストプラクティス

モデル選択

# より高速な推論のためにクアンタイズモデルを使用
docker model pull ai/llama2:7b-q4     # 4ビットクアンタイズ
docker model pull ai/llama2:7b-q5     # 5ビットクアンタイズ
docker model pull ai/llama2:7b-q8     # 8ビットクアンタイズ

# モデルバリエーションを確認
docker search ai/llama2

リソース管理

# メモリ制限を設定
docker model run --memory 8g --memory-swap 16g ai/llama2

# CPU制限を設定
docker model run --cpus 4 ai/llama2

# GPUメモリを制限
docker model run --gpus all --gpu-memory 8g ai/llama2

ヘルスチェック

# ヘルスチェック付きで実行
docker model run \
  --health-cmd "curl -f http://localhost:8080/health || exit 1" \
  --health-interval 30s \
  --health-timeout 10s \
  --health-retries 3 \
  ai/llama2

本番環境オーケストレーション

Kubernetes での本番環境デプロイでは、Docker Model Runner コンテナを標準の Kubernetes マニフェストでオーケストレーションできます。リソース制限、オートスケーリング、ロードバランシングを定義します。詳細な Kubernetes コマンドリファレンスとデプロイパターンについては、Kubernetes チートシート を参照してください。

# 例: Kubernetes クラスタにデプロイ
kubectl apply -f llm-deployment.yaml

# デプロイをスケール
kubectl scale deployment llm --replicas=3

# サービスとして公開
kubectl expose deployment llm --type=LoadBalancer --port=8080

トラブルシューティング

一般的な問題

モデルが起動しない:

# 利用可能なディスク容量を確認
df -h

# 詳細なエラーログを表示
docker model logs --tail 50 llm

# GPUの利用可能性を確認
nvidia-smi  # NVIDIA GPUの場合

メモリ不足エラー:

# より小さなクアンタイズモデルを使用
docker model pull ai/llama2:7b-q4

# コンテキストサイズを減らす
docker model run -e MODEL_CONTEXT=2048 ai/llama2

# バッチサイズを減らす
docker model run -e MODEL_BATCH_SIZE=256 ai/llama2

推論が遅い:

# GPU使用状況を確認
docker model stats llm

# GPUが使用されているか確認
docker model logs llm | grep -i gpu

# GPUレイヤー数を増やす
docker model run -e MODEL_GPU_LAYERS=40 ai/llama2

ディアグノスティックコマンド

# システム情報
docker model system info

# ディスク使用状況
docker model system df

# 未使用リソースをクリーンアップ
docker model system prune

# すべてのモデルを削除（フルクリーンアップ）
docker model system prune -a

インテグレーション例

Python インテグレーション

import openai

# Docker Model Runner 用クライアントを設定
client = openai.OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed"  # DMR はデフォルトでキー不要
)

# チャット補完
response = client.chat.completions.create(
    model="llama2",
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.choices[0].message.content)

# ストリーミング
stream = client.chat.completions.create(
    model="llama2",
    messages=[{"role": "user", "content": "Tell me a story"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Bash スクリプト

#!/bin/bash

# 実行中でなければモデルを起動
if ! docker model ps | grep -q "llm"; then
    docker model run -d --name llm -p 8080:8080 ai/llama2
    echo "モデルが起動するのを待っています..."
    sleep 10
fi

# APIコール
curl -s http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "'"$1"'"}]
  }' | jq -r '.choices[0].message.content'

Node.js インテグレーション

import OpenAI from 'openai';

const client = new OpenAI({
    baseURL: 'http://localhost:8080/v1',
    apiKey: 'not-needed'
});

async function chat(message) {
    const completion = await client.chat.completions.create({
        model: 'llama2',
        messages: [{ role: 'user', content: message }]
    });
    
    return completion.choices[0].message.content;
}

// 使い方
const response = await chat('Docker Model Runner とは何ですか？');
console.log(response);

有用なリンク

公式ドキュメント

関連チートシート

比較記事