Ubuntu18.04使用docker构建不同深度学习环境

需求： 很多时候我们在GitHub找到的一些深度学习代码，由于环境依赖等原因无法跑通，比如基于tf编写的代码库，由于tf各版本API变得非常大（大坑），要想复现最简单的办法是配置和作者相同的tf环境，相应带来的麻烦是cuda版本和cudnn的重新配置，非常麻烦。
解决方案： 一个可行的解决方案是使用docker，pytorch和tensorflow官方都提供了不同版本的docker镜像，只需拉取相应镜像即可。

0.前提

前台需要在Ubuntu主机上安装好英伟达显卡驱动（另行搜索）

1. 安装docker

参考官方帮助文档：https://docs.docker.com/engine/install/ubuntu/，笔者是按照其他教程安装的，但是找不到原出处了，docker官网中的安装方法应该也是没问题的。
截至2020.05.05，最新版本的docker为：19.03.04

2. 安装nvidia-docker

网速很多教程是说安装nvidia-docker2，但是最新的官方教程已经改变了，命令如下：

# Add the package repositories
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

nvidia-docker2状态是Deprecated，不过也还支持，执行下面命令测试是否安装成功：

#### Test nvidia-smi with the latest official CUDA image
docker run --gpus all nvidia/cuda:10.0-base nvidia-smi

3. 安装pytorch docker镜像

镜像地址列表：https://hub.docker.com/r/pytorch/pytorch/tags?page=1
例如需要拉取pytorch0.4.1版本，则执行：

$ sudo docker pull pytorch/pytorch:0.4.1-cuda9-cudnn7-devel

查看安装的镜像：

$ sudo docker images

3.1 启动容器

执行下面命令：

$ sudo docker run --name torch041 --gpus all -it -v $PWD:/home pytorch/pytorch:0.4.1-cuda9-cudnn7-devel bash

上述命令中：

• run:代表启动一个容器，还有其他命令，例如rm（删除容器），exec,stop,kill等，可以查看链接：https://www.runoob.com/docker/docker-command-manual.html；
• --name：代表容器名称，自行确定，如果没有指定，会随机生成；
• --gpus：指定使用的gpu数量，这里为所有all，一定要设置该参数，否则无法调用gpu
• -it：使用交互式interactive
• -v：磁盘挂载，$PWD:/home的意思是将当前路径挂载到容器/home目录下，这样进入容器之后cd到/home，就可以运行当前路径下的文件了;
• pytorch/pytorch:0.4.1-cuda9-cudnn7-devel：表示docker镜像
• -bash：最后一项表示执行容器的命令，在交互模式下执行bash，就可以进入容器的bash了

3.2 停止容器

$ sudo docker stop torch041

torch041就是之前创建容器时赋予的名字，也可以用id，根据命令：

$ sudo docker ps

查看正在运行的容器
通过命令：

$ sudo docker ps -a

查看所有容器，包括已经停止的容器。

3.3 删除停止的容器

通过命令：

$ sudo docker rm ${NAMES}

便可以删除名字为${IMAGE ID}的容器，也可以根据CONTAINER ID进行删除。

4. 删除镜像

通过命令：

$ sudo docker image rm ${IMAGE ID}

可以删除镜像，如果提示有容器在占用，需要先删除容器，再删除镜像，这里的${IMAGE ID}就是镜像的ID号