Docker 部署深度学习 运行deeplabV3

---

前言

本文主要介绍docker发展历史，常用的镜像，容器命令。以及部署深度学习环境，运行deeplabV3 项目。

---

一、Docker简介

2010年，美国一家公司dotcloud做一些pass的云计算服务，lxc有关的容器技术，他们讲自己的技术（容器化技术）命名为Docker。
刚诞生的时候，没有引起关注，然后2013年，他们讲Docker开源，一鸣惊人。

二、帮助命令

1.查看版本信息：docker version

2.查看系统信息：docker info
3.帮助命令：docker --help

三、镜像常用命令

1.搜索镜像：docker search 镜像名称
2.下载镜像：docker pull 镜像名称

3.查看本地上的所有镜像：docker images -q 只显示ID

4.删除镜像：docker rmi -f 镜像ID
递归删除所有镜像：docker rmi -f $(docker images -aq)

四、容器常用命令

1.新建容器并启用

docker run [可选参数] image
#参数
--name 名字
-d 后台方式运行
-it 交互方式运行
-p 指定容器端口 主机端口:容器端口
--gpus all 使用宿主机的gpu
--shm-size="25g" 设置共享内存

例如：

docker run -it --gpus all --shm-size="25g" ID /bin/bash

2.列出正在运行中的容器：docker ps
docker ps -a 现在+曾经
3退出容器：exit 直接容器停止并退出
ctrl +p+q 不停止退出
4:删除容器：docker rm ID 不能删除正在运行中的容器
5:启动容器：docker start ID
6:重启容器：docker restart ID
7:停止当前运行的容器：docker stop ID
8:强制停止：docker kill ID
9:查看容器中的进程信息：docker top ID
10:进入当前正在运行中的容器
进入容器开启新的终端：docker exec -it ID /bin/bash
正在执行：docker attach ID
11：查看容器内存信息：df -h

五、配置深度学习环境

1 查看镜像：docker images

2. 新建容器并启用：docker run -it --gpus all --shm-size="25g" 2ec708416bb8 /bin/bash

3.更新软件包：apt-get undate

4.下载wget：apt-get install wget

5.安装minianaconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.2-Linux-x86_64.sh

如下图所示，安装完成

6.退出，并进入容器


7.创建虚拟环境，conda create -n 名称 python=3.7
8.进入虚拟环境conda activate skm

9.安装pytorch


并测试是否使用gpu

print(torch.cuda.is_available())

10.安装git：apt-get install git 并clone项目git clone 链接

11.安装项目运行其他的包:pip install 包

六、运行deeplabV3代码

python train.py

七、提交容器，保存镜像

提交容器：docker commit ID 镜像名称

保存镜像：docker save -o 本地路径 镜像ID

总结

以上就是本文的全部内容，简单来说就是创建容器，配置环境，运行代码，提交容器，保存镜像。
这只能说是Docker的入门，在配置过程中，遇到不懂的地方，欢迎评论区留言。
最后，有空闲时间，一定要和喜欢的人看日落哦！