【深度学习环境搭建＜五＞】深度学习中Docker开发环境的使用

【深度学习环境搭建＜五＞】深度学习中Docker开发环境的使用 0x00 下载镜像

我们要复现的项目一般都用pytorch或者tensorflow框架，可以直接基于现有的pytorch或者tensorflow的Docker镜像，然后再在里面安装其他的包。

下载地址：

• pytorch：https://hub.docker.com/r/pytorch/pytorch/tags
• tensorflow：https://hub.docker.com/r/tensorflow/tensorflow/tags

根据项目中的环境要求，选择相应的版本，然后pull下来，比如：

docker pull tensorflow/tensorflow:latest

如果提示：权限不够
尝试一：进入到docker组下面 newgrp docker
尝试二：查看是否在docker组下面，id <你的用户名>；如果不在docker组下面，联系我

注：以后运行docker报这个错都这么解决

0x01 创建新镜像

我们要在现有的镜像基础上再配置我们需要的python环境。

1. 启动容器

   docker run --rm -it --runtime=nvidia <上面pull下来的镜像名称:镜像的tag> /bin/bash
   
   		参数说明：
   						--rm : 关闭终端就会将容器关闭，不用再手动清理了
   						-it  : 终端
   						--runtime=nvidia：此选项允许我们使用宿主机中的GPU和Nvidia Driver
   		可选项：
   						-v <宿主机上的路径>: ：可以将宿主机中的数据共享到docker的特定路径下，无论哪边修改数据都会同步
   
   

2. 安装python包

   可以在第一步中启动的容器中安装python的各种包了（和在正常ubuntu系统一样）

3. 保存我们的新镜像

   所有环境安装完以后，重新打开一个终端（刚才哪个终端不要关闭，关闭刚才配的环境就都没了）

   1. 查看上述运行的容器的容器ID

      docker ps -a
      

   2. 制作新镜像

      docker commit <1中查询到的容器ID> 新的镜像名：tag
      
      eg: docker commit 3469f73a3db8 cvit:latest
      

   3. 查看是否创建成功

      docker images
      

      如果存在，则说明你创建成功

0x02 在Pycharm中使用镜像环境

具体步骤：

1. 打开pycharm, 选择File→Setting

2. 在左侧菜单栏选择Project:xxx，然后选择它下面的Python Interpreter

3. 点击右侧Python Interpreter选项最右边的按钮，选择Add

4. 选择左侧菜单栏的Docker选项，

5. 然后点击右侧的New按钮（我这里已经加过了）

6. 配置一些信息，如图就行

7. 点击OK以后就会进行连接，连接成功后就可以选择你要使用的镜像和里面的python环境了。

8. 配置使用GPU
   上述步骤结束以后，运行时发现会报错，如下
   
   找不到Nvidia Driver，这时我们需要修改docker的守护进程：/etc/docker/daemon.json
   向上述文件中添加一句："default-runtime": "nvidia"
   修改后内容如下：

   {
       "default-runtime": "nvidia",
       "runtimes": {
           "nvidia": {
               "path": "nvidia-container-runtime",
               "runtimeArgs": []
           }
       }
   }
   

9. 重启docker

   守护进程重启 sudo systemctl daemon-reload

   重启docker服务 systemctl restart docker

0x03 一些闲话

本人创建了一个公众号，分享科研路上的小问题，新发现，欢迎关注公众号，给我留言！！！
一起奋发向上，攻克难题吧~~