docker-镜像：使用GPU训练的简易教程以及一些常用命令

下载基础镜像

docker pull image_name

 

查看镜像

docker images

运行容器

docker run -d -it --name="cuda3" --gpus=all mortals/codeenv:pytorch2.0-cuda12.0

 

查看正运行容器

docker ps

 

进入容器：

docker exec -it cuda3(容器名) bash

输入命令会进到f56c204bdb9e容器中，如上图. 

• 在容器中写测试是否可以使用GPU的脚本

import torch
#返回当前设备索引
torch.cuda.current_device()
#返回GPU的数量
torch.cuda.device_count()
#返回gpu名字，设备索引默认从0开始
torch.cuda.get_device_name(0)
#cuda是否可用
torch.cuda.is_available()

• 执行脚本

验证成功

• 退出容器

  exit

  

• 删除容器

 

docker中的操作整理

• 删除镜像

docker rmi image_name_or_id

• 查看cudnn版本

  import torch
  print("cuDNN Version:", torch.backends.cudnn.version())

• 查看cuda版本

  import torch
  print(torch.version.cuda)

• 容器中的apt-get换源

  这个操作和服务器中的一样。

• 容器中的pip换源

  • 打开pip的配置文件：

  vim ~/.pip/pip.conf

  • 在vim编辑器中，按下 i 键进入编辑模式，然后添加以下内容：

  [global]
  index-url = https://pypi.tuna.tsinghua.edu.cn/simple

• docker run（起镜像）

docker run --gpus all -id -p 10022:22 --name="pytorch_gpu" -v /home/supcon/jwm:/mnt/code cnstark/pytorch:1.13.0-py3.9.12-cuda11.7.1-ubuntu20.04

• docker commit（容器存为镜像）

  docker commit dbd97e1047cb(容器id) mbrl-image:latest