[Centos-Docker] Docker-gpu安装及docker中jupyter配置

写在前面

OS版本：centos7
Anaconda版本：3.5

一、Docker安装

安装教程链接：https://github.com/ufoym/deepo#GPU，执行如下图的Step1和Step2：

Step1中的使用yum安装命令如下：

$ yum install docker
$ yum install nvidia-docker

注意： image类似操作系统镜像文件等，一个image可以对应多个容器（container）。

二、Docker使用

1、首先在需要使用的地方创建文件夹，比如，我自己创建的文件夹名称是docker，然后在docker下面创建两个子文件夹data和config（必须是data和config）。

2、使用下面的命令运行镜像

$ nvidia-docker run -it -p 8888:9999 --ipc=host -v /home/hdj/jupyter/docker/data:/data -v /home/hdj/jupyter/docker/config:/config ufoym/deepo bash

其中，-p 8888:9999的作用是将docker中的9999端口映射到服务器本地的8888端口。（这里的主要作用是，在之后会安装jupyter，给其指定端口号9999，但是jupyter的端口windows下不能直接访问，所以我们需要将其映射到服务器本地，这样在win下才可以访问）。/home/hdj/jupyter/docker/data:/data是服务器上刚创建的data目录地址，/home/hdj/jupyter/docker/config:/config是服务器上刚创建的config目录地址。ufoym/deepo是刚pull下来的镜像的名称。

3、拉取完毕之后，如果想要使用自己的容器（使用自己的容器，就相当于使用一个独立的系统，以后使用无论怎么更改都不会影响别人的容器，也不会影响docker外的系统），需要得到唯一的Docker Container ID，当安装完成后，可以在系统中使用sudo docker ps -a命令查看：

4、得到Container ID之后，使用下面命令进入Docker交互窗口：

$ sudo docker exec -it 9d9a30b563c9 /bin/bash

其中，9d9a30b563c9是Container ID。

注： 使用docker exec –it时提示：Error response from daemon: Container is not running。可以先尝试：
Step1：$ sudo docker start
Step2：$ sudo docker exec -it /bin/bash

三、Docker常用命令

进入交互窗口之后，就可以像在Docker容器外面使用软件一样。

注： 将需要运行的程序文件存储在data文件夹下。

1、以运行python程序LSTM训练模型为例，若想使用深度学习模型，则需要安装tensorFlow-gpu，如果使用sudo pip install tensorflow-gpu则会提醒tensorflow-gpu已经安装过，所以我们不需要再次安装。若后台运行程序，只需要进入程序所在路径执行nohup python ***.py >log.txt 2>&1 &即可。
2、若查看已经运行的python程序，使用命令：ps –ef | grep python
3、若查看GPU使用情况，使用命令：nvidia-smi
4、查看GPU情况，并定时刷新情况：nvidia-smi –l
5、将容器重命名：docker rename new_name，如docker rename 9d9a30b563c9 lina
6、删除镜像：docker rmi ，使用sudo docker images可以查看所有镜像。
7、删除容器：docker rm -f ，使用 docker ps –a可以查看所有容器。
8、启动容器：sudo docker start -ia
9、若查看docker，发现docker的目录进不去，可直接使用sudo ls -al /var/lib/docker/containers查看containers中的文件，若查看containers的下一级目录，也可以使用类似的方法（ls -al后面必须使用完整路径）。

四、Docker下安装jupyter

首先进入docker，这里直接安装anaconda，比较方便。

1、安装jupyter

Step1：下载anaconda安装包

# wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.1.0-Linux-x86_64.sh

Step2：安装anaconda

# bash Anaconda3-5.1.0-Linux-x86_64.sh

若提示安装位置，可以直接Enter，也可以指定目录，如下图所示：

接着会提示是否希望将PATH写入/root/.bashrc，输入yes。

之后，使用下列命令使.bashrc文件立即生效：

# source ~/.bashrc

我们可以使用conda -V查看anaconda版本。

Step3：安装jupyter

# conda install jupyter notebook    

若已经安装成功，则不需要再安装，会有提示。

使用jupyter notebook查看是否docker内部jupyter可以启动成功。

2、配置windows下远程访问jupyter

Step1：安装和使用ipython

# conda install ipython 
# ipython 进入python shell交互

若进入成功，则说明ipython可正常使用。使用exit退出。

Step2：生成jupyter配置文件

# jupyter notebook --generate-config

输出Writing default config to: /root/.jupyter/jupyter_notebook_config.py即表示生成成功。注意： 这一步是在docker内，不是在ipython内。

Step3：使用ipython生成密码

# ipython //进入ipython交互模式
In [1]: from notebook.auth import passwd
In [1]: from notebook.auth import passwd

输入密码，会输出Out[2]: 'sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135'，这串字符串会在配置文件中用到。

Step4：修改默认配置文件

# vi ~/.jupyter/jupyter_notebook_config.py    # 打开配置文件

添加如下内容：

c.NotebookApp.ip='*'     #设置所有ip都可以访问，即不限制ip
c.NotebookApp.password = u'sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135'     # sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135便是上面生成的一串哈希值
c.NotebookApp.open_browser = False     # 禁止自动打开浏览器
c.NotebookApp.port = 9999    # 指定一个端口，这里端口指定9999，因为我们在运行docker已经将docker的9999地址映射到了服务器本地的8888端口

Step4：启动jupyter

使用下列命令启动jupyter：

# jupyter notebook --allow-root

Step5：远程访问jupyter

访问地址：http://server_ip:8888，按照提示输入密码（刚ipython中输入的密码），登录就可以使用了。

五、docker目录迁移到其他磁盘

若docker的默认地址cent-root已满，需要将docker目录迁移到其他磁盘，则可使用以下操作（来自：docker 目录移动到其他磁盘的操作）：

1. systemctl stop docker  #停止docker
2. mkdir /storage/docker-lib  #在我这个项目里storage是普通硬盘，在storage下创建一个目录
3. mv /var/lib/docker /storage/docker-lib  #将var下的docker移动到/storage下
4. ln -s  /storage/docker-lib/docker /var/lib/docker  #创建软连接，将storage这个路径存到/var目录下
5. #这时候检查一下/var/lib/docker目录是否已经软连接到/storage/docker-lib  
   ll /var/lib  #查看对应软连接是否创建成功
   ll /var/lib/docker
6. systemctl start docker   #启动docker

参考文章：
[1] docker安装anaconda数据分析
[2] Docker - Container is not running
[3] deepo