1、(可选)更新系统软件包
在安装Docker之前,需要确保你的系统软件包是最新的。使用以下命令更新系统软件包:
sudo yum update
2、安装Docker依赖
Docker运行需要一些依赖库和工具,使用以下命令安装这些依赖:
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
3、添加Docker稳定版仓库
添加Docker的稳定版仓库,使用以下命令:
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
# 这里添加的时候可能会遇到网络访问超时,解决方法:add -repo后可更换为镜像源
http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
4、安装Docker
使用以下命令安装最新版本的Docker:
sudo yum install docker-ce
5、启动Docker服务
使用以下命令启动Docker服务:
sudo systemctl start docker
6、设置Docker开机自启
使用以下命令设置Docker开机自启:
sudo systemctl enable docker
开始拉取docker镜像
7、Docker 镜像常用 操作命令
7.1 从Docker镜像仓库获取指定的镜像
sudo docker pull [image_name]
# 其中image_name为镜像名称,目前所使用的为
# mortals/codeenv:pytorch2.0-cuda12.0
7.2 列出本地的Docker镜像
sudo docker images
7.2 以指定的镜像创建并启动一个容器
sudo docker run [options] [image_name]
# 根据上诉指定镜像创建并启动一个容器
sudo docker run --gpus all -id -p 10022:22 --name="pytorch_gpuzz"
-v /home/user1/zcl:/mnt/code mortals/codeenv:pytorch2.0-cuda12.0
在创建容器时,可能会出现相关bug
docker: Error response from daemon: could not select device driver with capabilities: [[gpu]]
Centos系统解决:
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo
sudo systemctl restart docker
Ubuntu系统解决:
参考pdf:[gpu]问题解决和Docker使用gpu
7.3 进入一个已创建容器
sudo docker exec -it pytorch_gpuzz bash
# pytorch_gpuzz 创建的容器名称
---
☆作者主页资源中上架最新时间序列预测资源
☆时间序列预测专栏中包含作者日常学习整理最新前沿模型思考与实战代码案例等