Docker搭建tensorflow-gpu环境
前言：连续配了几个晚上，搞深度学习的环境，之前配成功过，但是这次再配的时候，发现遇到的坑和以前不一样，算了，直接上Docker大法，不想为环境再浪费宝贵的时间
首先我们先了解一下，docker配深度学习环境需要什么。
答：只需1.显卡驱动，2.docker 3.深度学习环境镜像
对就是这么简单。
1.首要的是显卡驱动，在下载显卡驱动之前先查一下，你即将要安装的版本，最低是多少。
比如我是要安装cuda10的，那么传送门，看一下你应该需要安装的最低版本。
知道了最低的版本。
先不管其他，卸载之前可能安装的驱动：
sudo apt-get --purge remove "*nvidia*"看一下系统推荐的显卡驱动：
sudo ubuntu-drivers devices查到推荐的显卡驱动，一般就是那个free的版本，18.04直接是指令安装就有，没有的上官网去下载。
（重点：安装驱动之前，一定一定，要记得关闭ubuntu的secue boot，不知道怎么关，来教你，传送门）
安装好了驱动之后，运行nvidia-smi，可能会报以下错误：
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver 18.04
但是如果你cd 到/usr/src 下看到你的显卡驱动版本，那么就不用担心了，继续，因为我是第二天就好了（知道为什么的大佬求教）
2.安装docker
这个网上一大堆教程，主要思路是先安装docker-ce，然后安装Nvidia Docker2
参考这位大神写的安装docker部分，传送门，其中有一个/etc/docker/daemon.json
内容修改成，没有这个文件需要新建，这是唯一我和他安装docker不一样的部分。
{
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"runtimeArgs": []
}
}
}3.开始拉tensorflow-gpu的镜像，有很多教程直接上nvidia官网拉cuda和cudnn的环境，里面并没有tensorflow，其实搞起来很麻烦。后来我直接上docker-hub，搜tensorflow的镜像一大堆，拉镜像之前，先看一下自己需要的版本，在tensorflow官网有
因为我下的cuda10，所以直接上1.13.1的镜像
docker pull tensorflow/tensorflow-1.13.1-gpu-py3拉下载之后，创建container运行
docker run -it --name DL_ENV02 -v /home/jun/DL2/:/home/jun/DL2/ --runtime=nvidia -e NVIDIA_VISIBLE_DEVICE=0 tensorflow/tensorflow:1.13.1-gpu-py3这个我大概解释一下，DL_ENV02是我的容器名字，然后/home/jun/DL2/:/home/jun/DL2/，是信息交互的文件夹位置，一个在容器内，一个在你的主机上，就通过这个路径和容器进行信息交互。NVIDIA_VISIBLE_DEVICE=0是你的显卡设备号，我就一张卡，所以默认是0
如果遇到下面的坑：
docker: Error response from daemon: Unknown runtime specified nvidia.
问题解决传送门，安装好之后，问题消失，完美。
搞定之后，我们测试一下，运行下面的程序，
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))结果是【2,4,6】
这段是参考别人的博客，这里是传送门
关于docker的指令：
查看有哪些容器：docker container ls
运行容器：docker start
进入容器:docker attach
退出容器：exit 搞定，碎觉！