ubuntu配置docker镜像用于深度学习

以 ubuntu16.04，cuda10.1 为例

1.准备工作

• ubuntu 中安装对应 cuda 版本的显卡驱动，参考链接
• 安装了 docker 和 toolkits，参考链接
• 免 sudo 使用 docker，参考链接
• 测试 docker 的 --gpus 参数是否可用，不可用参考上边链接重新安装 docker

docker run --help | grep -i gpus

2.拉取官方镜像

需要在官方拉取一个封装好 cuda 和 cudnn 的镜像作为初始镜像

• 去 docker hub 寻找需要的镜像
  Ctrl+f查找关键词，比如需要cuda10.1+cudnn8，查找 10.1-cudnn8
  
• 复制 docker pull 命令，在终端拉取镜像

docker pull nvidia/cuda:10.1-cudnn8-devel-ubuntu16.04

下载可能会很慢，提前对 docker pull 进行加速，参考链接

3.创建容器

• 查看当前存在的镜像

docker images

nvidia/cuda 为刚刚拉取的镜像，注意镜像的REPOSITORY，TAG，IMAGE ID

• 通过镜像创建容器，并挂载本地文件夹，文件夹路径根据实际情况写

docker run --gpus all -it -v /home/kkjsk/projects:/projects 1e33220823f3(容器ID) /bin/bash

通过镜像ID创建容器

• 或者

docker run --gpus all -it -v /home/name/projects:/projects nvidia/cuda:10.1-cudnn8-devel-ubutnu16.04(REPOSITORY:TAG) /bin/bash

通过 REPOSITORY 和 TAG 创建容器

/home/name/projects：/projects 意思是将本地的 /home/name/projects 路径挂载到容器中的 /projects 下，可以自己命名

成功创建并运行了容器，并且命令行输入ls，可以看到挂载的文件夹

• 检测是否可以调用显卡驱动

nvidia-smi

• 检测cuda是否可用

nvcc -V

都没问题，则容器可以成功调用显卡，并使用 cuda

4.安装python

官方镜像中没有安装python，也没有pip，因此需要自行在容器中安装所需的python版本，参考源码安装python

• 注意要把下载的源码包放到挂载的文件夹之下，不然在容器中找不到
• 在容器中安装 python，去掉命令行中的sudo
• 有的帖子会修改 python 安装路径，在 docker 容器中不建议修改

5.打包

可以直接打包一个基础环境，也可以将代码所需的依赖包安装好以后再打包，打包方便移植

容器保存为新镜像，将镜像打包

• 另起终端，查看当前存在的容器

docker ps -a

• 通过容器创建新的镜像

docker commit b0a9e5a5a411(容器ID) kkjsk/docker:python(新镜像的DREPOSITORY：TAG)

• 查看新创建的镜像

docker images

可以看到镜像 kkjsk/docker:python 成功创建

• 将镜像保存为本地压缩包，后缀tar

docker save kkjsk/docker:python(REPOSITORY：TAG) cuda10.1_docker.tar(压缩包名)

之后可以在本地看到保存的压缩包

6.导入镜像

在其他电脑使用打包好的镜像时，需要先通过压缩包导入镜像

docker load --input cuda10.1_docker.tar

docker命令大全