linux使用docker配置深度学习环境

预备工作：

确保服务器环境中已经安装了以下软件：

cuda、cucnn、nvidia驱动、nvidia-docker。
若还未安装，自行百度安装，网站教程很多。

查看各软件（驱动）版本：

nvidia驱动：

nvidia-smi

红框即为版本号
cuda

nvcc -V

注意：nvidia-smi显示的cuda version指其最高适配的cuda版本，并不一定要与你查到的cuda版本对应。但通常来讲cuda9.x已经无法支持30系列显卡驱动。建议升级
nvidia-docker:
普通用户需要sudo权限

sudo nvidia-docker version

正式配置：

以下命令大部分需要sudo权限，建议使用root用户：

sudo su

进行root权限
查看现存的docker镜像：

docker images

安装docker cuda：
最好与服务器的cuda环境保持一致，以免产生什么不必要的环境配置问题
1、网页搜索dockerhub
https://hub.docker.com/
搜索nvidia/cuda
在tags中找到自己对应的版本，建议选择devel，最为全面。

直接复制，然后在命令行黏贴，进行镜像源的拉取操作即可。（安装之前建议换阿里源，docker换源操作CSDN里很多，不赘述。）
2、使用安装的镜像查看宿主机的GPU
查看镜像ID

docker images

（便于演示，我安装了个base）
查看宿主机的GPU

nvidia-docker run --rm 2ec7084 nvidia-smi

–rm后的参数是镜像的ID前几位（能唯一识别镜像就可以）
利用docker filer定制镜像
为了提升创建的速度，需要更换apt的镜像源，这里建议使用清华的镜像(sources.list)
创建任意文件夹，文件夹下存放三个文件
Anaconda的安装驱动、Dockerfile、sources.list

1、anaconda的安装驱动可以度娘
2、sources.list可以选取清华镜像源
https://mirrors.tuna.tsinghua.edu.cn/
搜索ubuntu

点击上图上ubuntu上的?

选择对应的版本，copy到自己的sources.list中

3、Dockerfile
参考以下

FROM nvidia/cuda:11.1.1-cudnn8-devel-ubuntu20.04#换成自己的镜像名，可以使用docker images查看

ARG DEBIAN_FRONTEND=noninteractive
ENV TZ=Asia/Shanghai
ADD sources.list /etc/apt/

RUN apt-get update && apt-get install -y --no-install-recommends \
    bzip2 \
    g++ \
    git \
    graphviz \
    libgl1-mesa-glx \
    libhdf5-dev \
    openmpi-bin \
    vim \
    libopencv-dev \
    libsnappy-dev \
    python-dev \
    python3-pip \
    build-essential \
    wget&& \
    rm -rf /var/lib/apt/lists/*

ADD Anaconda3-5.3.1-Linux-x86_64.sh /home/anaconda.sh
RUN /bin/bash /home/anaconda.sh -b -p /opt/conda && \
    ln -s /opt/conda/etc/profile.d/conda.sh /etc/profile.d/conda.sh

ENV LANG C.UTF-8 LC_ALL=C.UTF-8

RUN mkdir /workspace
WORKDIR /workspace

CMD ["/bin/bash"]

准备完以上文件后
4、使用命令进行镜像创建

docker build -f Dockerfile -t nividia.cuda:v1 .

查看安装玩成的镜像

docker images

创建容器

nvidia-docker run -it --privileged=true --name test fc295 /bin/bash

name后面的test就是你创建的容器的名字
退出容器

exit

查看容器

docker ps -a

重启容器

docker restart name#name是你的容器名字或ID

进入容器

docker attach name#name是你的容器名字或ID