创建docker容器并发布远程服务器平台

一、安装nvidia-docker并测试

1.在本地服务器安装docker和nvidia-docker

2.安装Xshell（连接服务器）和Xftp（传输文件）

3.在Xshell新建会话，输入主机号、用户名

4.在会话中输入管理员账号密码

5.https://gitlab.com/nvidia/container-images/cuda/blob/master/doc/supported-tags.md查看cuda版本，使用docker pull拉取对应cuda版本的镜像，这里安装的cuda11.3.1版本

nvidia-docker pull nvidia/cuda:11.3.1-base

6.创建一个基于cuda镜像的容器，测试nvidia-smi

nvidia-docker run --runtime=nvidia --rm nvidia/cuda:11.3.1-base nvidia-smi

二、拉取镜像，创建容器

拉取conda镜像参考：使用nvidia-docker创建gpu支持深度学习环境的容器_蔡逸超的博客-CSDN博客

1.拉取cuda支持的深度学习镜像，以pytorch为例

创建一个pytorch容器，包括cudnn一些包，这里安装的pytorch1.11.0版本

nvidia-docker pull pytorch/pytorch:1.11.0-cuda11.3-cudnn8-devel

 进入容器(显示workplace),此处容器命名为pytorch_dhm，然后看看已有的包

nvidia-docker run -it --runtime=nvidia --name=pytorch_dhm --gpus all pytorch/pytorch:1.11.0-cuda11.3-cudnn8-devel

 安装所需的包，如opencv，这里使用了清华镜像源https://pypi.tuna.tsinghua.edu.cn/simple/

测试pytorch是否安装成功，并退出容器exit

 三、镜像发布和保存

1.将容器发布成镜像，镜像名称设置成dhm_pytorch（之前是pytorch_dhm,改成dhm_pytorch)
nvidia-docker commit dhm_pytorch

2.将镜像保存成tar文件
nvidia-docker save dhm_pytorch -o dhm_pytorch.tar

3.这个tar文件可以拷贝到其他服务器（或推理平台），然后使用下面的命令加载镜像：
docker load -i dhm_pytorch.tar

四、将建好的容器传输到其他服务器平台

1.在Xshell中向创建容器的服务器传输文件，（即下载到本地），打开xftp新建传输，会自动更新刚建好的容器，双击dhm_pytorch.tar开始传输（时间比较久）。

2.在xftp中再新建一个会话，向远程推理平台传输tar文件

 主机号就是人工智能平台的IP地址，端口号是12306，用户名密码就是gpu平台的

直接从本地拖过来

 五、在远程服务器平台开启任务

在平台上：数据管理——文件管理，可以看到传输好的文件

将自己的代码也上传上来

1.导入创建好的镜像：业务管理——镜像管理——导入，在传输列表可查看是否导入成功

 业务管理——任务管理——创建

命令：python 训练文件

 拉取镜像之后就开始跑啦