nvidia-docker踩坑记录
docker， nvidia-docker配置镜像创建容器
众所周知，想要在容器中使用nvidia的显卡，需要使用nvidia-docker命令创建容器
环境说明： 服务器端为Ubuntu18.04离线，nvidia-smi正常使用，CUDA版本11.4
Step1：按需下载基础docker镜像(建议按需制作自己的ubuntu18.04的镜像tar包)
参考信息：
尽管Pytorch官方和Nvidia-NCG提供了很多版本的Pytorch镜像，但是我们平时的科研和工作中经常需要在特定系统版本、特定CUDA版本、特定Python版本下使用特定版本的Pytorch，官方的镜像很难满足自定义的需求，因此需要自己构建Pytorch镜像
# 建议使用dockerfile
如有现成匹配CUDA的tar包（如：10.2-cudnn7-devel-ubuntu18.04-v2.tar）可直接下一步
Step2：服务器断网情况下，安装nvidia-docker
下载参考：
https://blog.csdn.net/WenZhaoYang123/article/details/128371533
https://download.docker.com/linux/ubuntu/dists/xenial/pool/stable/amd64/
http://mirror.cs.uchicago.edu/nvidia-docker/libnvidia-container/stable/ubuntu16.04/amd64/
建议安装docker20.10.7，18版本装完nvidia-docker2后无法使用
安装参考：
sudo dpkg -i containerd.io_1.4.6-1_amd64.deb
sudo dpkg -i docker-ce-cli_20.10.7~3-0~ubuntu-xenial_amd64.deb
sudo dpkg -i docker-ce_20.10.7~3-0~ubuntu-xenial_amd64.deb
#装完以上3个文件，可以查看docker -v
sudo dpkg -i nvidia-container-toolkit-base_1.11.0-1_amd64.deb
sudo dpkg -i libnvidia-container1_1.11.0-1_amd64.deb
sudo dpkg -i libnvidia-container-tools_1.11.0-1_amd64.deb
sudo dpkg -i nvidia-container-toolkit_1.11.0-1_amd64.deb
sudo dpkg -i nvidia-docker2_2.8.0-1_all.deb
# 重启docker服务
sudo systemctl daemon-reload
sudo systemctl restart docker
# 装完以上所有文件，使用nvidia-docker命名不报错即可
Step3： nvidia-docker加载镜像及创建容器
举例：
# 载入镜像：
# 方式1：从镜像归档文件ubuntu_v2.tar创建镜像，命名为nvidia/cuda:10.2-cudnn7-ubuntu18.04-v3
docker import 10.2-cudnn7-devel-ubuntu18.04-v2.tar nvidia/cuda:10.2-cudnn7-ubuntu18.04-v3
# 方式2：直接载入，不可修改
sudo docker load < 10.2-cudnn7-devel-ubuntu18.04-v2.tar.tar
# 查看
docker images -a
# 基于镜像，创建容器(可以指定共享内存大小，指定使用GPU数量)
sudo nvidia-docker run -itd --name new_1 --gpus all \
--privileged=true \
-v /home:/root/new_1 \ # 挂载不要直接挂在/root下，会覆盖容器内的root目录
-p 9001:80 -p 9002:22 -p 9003:5900 \
nvidia/cuda:10.2-cudnn7-ubuntu18.04-v3
# 注意：-p指定的前2个分别是网页端和终端进入的端口号
网页：172.16.0.123:9001
终端：ssh -p 9002 [email protected]
Step*：踩坑记录 及 建议
（1）nvidia-docker创建镜像后，看到docker ps -a 的容器STATUS栏显示（healthy：starting），表示启动中，
过一会看，显示（unhealthy），说明创建容器遇到问题，可以查看docker log 容器id， 看能否找出问题；
Solution：
直接docker stop 该容器，再docker restart 容器id，重复2,3次大概可以显示（healthy），此时可以使用ssh连接进入；（unhealthy状态仅能通过docker exec -it 进入）
（2）创建容器时，-p建议创建2个端口号，若仅用1个-p，可能只能从网页端进入；
（3）创建容器的共享内存配置项 如 --shm-size 16G， 建议根据宿主机实际情况配置，创建容器多次失败建议去除该项试试；
（4）linux进入容器中，可能出现安装了conda命令但无法使用的情况，建议直接进入如/root/minconda/bin/conda --version
Solution：linux系统进入该容器可能需要将该路径加入环境变量，目前win系统进入容器直接是base环境