Docker关于conda环境的导出和导入

1、常用命令：

docker pull -- 从远程仓库将镜像下载至本地
docker run -- 运行一个容器
docker images -- 常看本地镜像
docker ps -- 查看容器，默认只查看已启动的，加入 "-a" 参数可以查看所有
docker rm -f ID # 删除之前的运行容器

重命名容器
docker rename old_name new_name
拷贝文件到容器中
docker cp MLP 95909784d85b:/workspace/
进入容器中
docker exec -u 0 -it testtorch /bin/bash

docker save保存的是镜像（image），docker export保存的是容器（container）
docker load不能对载入的镜像重命名，而docker import可以为镜像指定新名称。

2、环境导出：

Step-1：
安装docker（可以忽略）

Step-2：
拉取anaconda镜像（docker images检查看看，已经有了的话就跳过这一步）
docker pull continuumio/anaconda3

Step-3：
基于拉取的镜像创建容器
docker run -i -t continuumio/anaconda3 /bin/bash

Step-4-1：
cd opt/conda/envs
ls（没有东西）

step-4-2（可选步骤）：
退出容器: exit
查看容器名称：docker ps -a
可以改容器名称：docker rename great_chaum ljhpytorch
再次查看容器名称：docker ps -a


Step-5：
查看本地anaconda中env的路径（例如：/home/ljh/anaconda3/envs/pytorch/）

Step-6：
可以另起一个终端
把本地的环境文件复制到容器中
docker cp /home/ljh/anaconda3/envs/pytorch/ ljhpytorch:/opt/conda/envs


Step-7
启动容器：docker start ljhpytorch
进入容器：docker exec -u 0 -it ljhpytorch /bin/bash 
查看是否文件已经复制过来cd opt/conda/envs
ls

Step-8：
验证是否能够使用环境：source activate 环境名称
例如：source activate pytorch

Step-9：
运用 docker commit 指令将运行的容器保存为镜像。
docker commit container_name image_name（随便取） 
例如：docker commit ljhpytorch ljhpytorchimage
docker images可以看到新增了一个镜像

Step-10：
镜像导出：
docker save -o image.tar（这个也可以随便取名字） image_name

给文件夹或文件全部的权限：sudo chmod -R 777 ./tao/（选择修改权限的文件名称）

3、两个服务器之间的文件传输命令：

scp -r /home/myfile username@192.000.000.000:/home/myfile
其中scp为命令，-r代表移动文件，/home/myfile代表源文件夹所在的绝对路径，username@192.000.000.000:/home/myfile代表目标服务器中目标用户名的目标文件夹。
示例： 【默认目标服务器端口22】
scp -r /data/liujiahui/2022/master/ ljh@192.XXX.XXX.XXX:/DataDisk/liujiahui/AllCode/

如果需要指定目标服务器端口：
scp -r -P 5022 /data/liujiahui/2022/master/ ljh@192.XXX.XXX.XXX:/DataDisk/liujiahui/AllCode/

跳出选项，记得输入yes，然后输入密码

4、环境导入：

Step-1：
镜像导入
docker load < image.tar

Step-2：
（挂载的同时已经创建了容器，容器名称取决于下面的 --name）
挂载宿主机目录至容器/data 目录：（此处需要修改的是宿主机目录）
这样可以便于文件的传输共享
示例：
docker run -id --gpus all --name ljhcontain -v /home/ljh/Desktop/mydata/:/data/ ljhpytorchimage

Step-3：
进入容器
docker exec -u 0 -it ljhcontain /bin/bash

Step-4：
nvidia-smi
查看是否可以使用gpu
完成！

5、快速进入容器

正常进入容器需要先su进入超级用户，然后执行以下两个命令
docker start ljhcontain（有时候不需要）
docker exec -u 0 -it ljhcontain /bin/bash

由于不是很好记忆，因此可以通过将上述命令直接写在bash脚本执行，步骤如下：

Step-1：
创建一个文件名为xxxx.sh的空文件，可以直接在home/用户名/下面创建

Step-2：
在文件中写入下面两行（记得修改容器名称），然后保存
docker start ljhcontain
docker exec -u 0 -it ljhcontain /bin/bash

Step-3：
bash xxx.sh
可以直接一步进入容器（如下图所示）

注：还有其他通过修改环境变量等方法，感觉有些麻烦，可以自行研究

6、其他问题解决记录：

1）docker无法使用gpu，显示没有驱动

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

sudo apt-get install -y nvidia-container-toolkit

2）bash: vim: command not found

apt-get update
apt-get install -y vim

3）容器进入失败

解决方法：
docker start testtorch
docker exec -u 0 -it testtorch /bin/bash  

4）su进入失败

$ su - root
Password: 
su: Authentication failure
Sorry.

解决办法：
$ sudo passwd root
Enter new UNIX password: 
Retype new UNIX password: 
passwd: password updated successfully

5）pip安装python包失败

使用pip安装python包的时候，出现以下错误：
bash: /opt/conda/envs/pytorch/bin/pip: /home/ljh/anaconda3/envs/pytorch/bin/python: bad interpreter: No such file or directory

解决方法：
在容器中解决问题
step-1:【如下图所示】
which pip
获得pip路径

step-2：【如下图所示】
which python
获得python路径

step-3：【如下图所示】
vim pip路径
这里可能会vim报错，解决方法参考问题3

step-4：
vim常用操作指令:
按下i表示开始编辑
按下Esc表示保存并退出编辑
退出编辑之后按下：wq可以退出vim

这一步需要完成的是修改把文件第一行的路径修改为step-2获取的路径【如下图所示】

step-5：
测试是否成功
pip -V

6）docker中使用cv2失败

import cv2
出现以下报错：
ImportError: libGL.so.1: cannot open shared object file: No such file or directory

解决方法：
apt-get update
apt-get install ffmpeg libsm6 libxext6  -y

7）训练时出现共享内存不够（Bus error）

方法一：在Dataloader中将num_worker设置为0。意味着每一轮迭代时，dataloader不再有自主加载数据到RAM这一步骤（因为没有worker了），而是在RAM中找batch，找不到时再加载相应的batch。
方法二：在起Docker容器时，设置 --ipc=host 或 --shm-size 或者