利用docker安装tensorflow，并远程使用

1.安装 nvidia 驱动

2.安装docker

	1. sudo apt-get remove docker docker-engine docker.io containerd runc
	2. sudo apt-get update
	3. sudo apt-get install \
          apt-transport-https \
          ca-certificates \
          curl \
          gnupg-agent \
          software-properties-common	
        4.curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
	5.sudo add-apt-repository \
          "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
           $(lsb_release -cs) \
           stable"	
        6.sudo apt-get update
	7.sudo apt-get install docker-ce docker-ce-cli containerd.io

 

 

3.安装 nvidia-docker

# If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers
docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker

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

# Install nvidia-docker2 and reload the Docker daemon configuration
sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

 

4.拉取镜像(docker基本操作在第6部分)

1. 使用国内安装好的集成环境，包括cuda+cudnn+tensorflow——gpu,示例是集成环境
   1. dockerhub地址
      1. https://hub.docker.com/r/ufoym/deepo#Quick-Start
   2. 选择合适的标签(我们使用的标签为：all-py36-jupyter等价于all-jupyter-py36)
      1. 
   3. 执行命令
      1. sudo docker pull ufoym/deepo:all-py36-jupyter
      2. 
2. 使用英伟达提供的docker镜像，这里的镜像只安装了cuda，可能需要自己安装对应版本的python和tensorflow
   1. dockerhub地址
      1. https://hub.docker.com/r/nvidia/cuda

5.创建容器

1. 测试容器内的cuda是否可以连通显卡驱动
   1. sudo docker run --runtime=nvidia --rm ufoym/deep0:all-py36-jupyter nvidia-smi
   2. 正常
      1. 
   3. 报错
      1. 
      2. 解决方案
         sudo mkdir -p /etc/systemd/system/docker.service.d
         sudo tee /etc/systemd/system/docker.service.d/override.conf <
         [Service]
         ExecStart=
         ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=nvidia=/usr/bin/nvidia-container-runtime
         EOF
         sudo systemctl daemon-reload
         sudo systemctl restart docker
         sudo tee /etc/docker/daemon.json <
         {
             "runtimes": {
                 "nvidia": {
                     "path": "/usr/bin/nvidia-container-runtime",
                     "runtimeArgs": []
                 }
             }
         }
         EOF
         sudo pkill -SIGHUP dockerd
         1. 原来是nvidia-docker 没有注册：docker: Error response from daemon: Unknown runtime specified nvidiawhile running nvidia docke 接着寻找如何注册： docker-engine-setup
         2. 执行以下命令进行注册
         3. 修改配置
         4.  再去开启镜像，done。
2. 创建一个容器，并进去测试是否支持gpu和查看tensorflow版本
   1. sudo docker run --name py36 --runtime=nvidia -it -v /home/wjg/data:/data  ufoym/deepo:all-py36-jupyter   bash
   2. 
   3. 可以看到是支持gpu的。版本为1.8.0
3. 查看容器内的cuda版本
   1. ls /usr/local/ 可以看到为cuda-9.0
      1. 
4. 开启容器的ssh，可以远程连接此docker容器
   1. 以下命令在容器中执行
      1. apt-get update 
      2. apt-get install openssh-server
      3. cd /
      4. . /etc/init.d /ssh stop //停止ssh服务
      5. 修改ssh配置，允许root用户使用密码登录此容器
         1. vim /etc/ssh/sshd_config
         2. 注释掉这行： #PermitRootLogin prohibit-password 改行表示禁止root用户使用密码登录
         3. 添加一条语句： PermitRootLogin yes 表示允许root用户使用密码登录
      6. . /etc/init.d /ssh start //开启ssh
      7. 修改root密码
         1. passwd root
         2. 输入新的密码即可
   2. 在宿主机执行以下命令，将修改后的容器提交为镜像，一定要在容器运行的情况下，在宿主机执行命令
      1. docker commit -m " 描述信息" -a " 作者名" 容器ID 镜像名:标签
      2. 如docker commit -m "tf_gpu_1.8_ssh" -a "wjg"  7be82a146744 tfSSH:1.0
   3. 实例化新提交的镜像，并映射ssh的22号端口
      1. sudo docker run --name py36SS H --runtime=nvidia -it -v /home/wjg/data:/data  -p  42022:22  tfSSH:1.0  bash
   4. 此时就可以用使用宿主机的 ip:42022登录docker容器，也可以pycharm直接调用该容器的python解释器。
5. ssh开机自启动
    
   1. 在容器的/root/.bashrc下添加如下shell脚本

   2. #========================start ssh==============
      result=`ps -ef | grep ssh | grep -v "grep"`
      pattern="ssh"
      if [ "$result" = "" ];then
          echo "ssh is not running, ssh is starting......."
          if [ -f /etc/init.d/ssh ];then
              cd /etc/init.d
               ./ssh start
          else
              echo "could not find ssh in /etc/init.d/ssh"
          fi
      else
          echo "ssh is running"
      fi

       

6.docker基本操作

1. 镜像操作

1. docker search 关键字   去dockerhub搜索相关镜像
2. docker pull 镜像名:tag   拉取镜像，:tag是可选的，默认latest
3. docker images 查看本地所有镜像
4. docker rmi 镜像id 删除本地指定镜像
5. 容器操作

1. doker run   --name container-name   -d -it   image-name安装docker镜像形成容器，container-name:为容器起个名称，image-name：安装哪个镜像。
   1. -d 表示后台运行
   2. -p 主机端口:内部端口:主机端口映射到容器内部端口
   3. -i 以交互模式运行容器，通常与-t一起使用
   4. -t 分配一个伪终端
2. docker ps 查看运行中的容器，加上-a，可以查看所有容器
3. docker stop/start  container-name/ container-id 启动关闭容器
4. dicker rm  container-id 删除容器
5. docker logs  container-name/ container-id 容器日志
6. docker exec -it  container-name/ container-id /bin/bash 以交互的方式进入一个正在运行的容器
7. docker attach  container-id 以交互的方式进入一个正在运行的容器
8. docker commit -m " 描述信息" -a " 作者名" 容器ID 镜像名:标签  使一个容器变成一个镜像(一定要在容器运行的情况下执行）
9. Ctrl+P+Q 推出容器但不关闭容器