ubuntu20.04安装docker环境_ubuntu 20.04安装docker-CSDN博客

本文链接：https://blog.csdn.net/qq_42887760/article/details/145299356

一、安装docker

安装docker
```
sudo apt-get install docker.io
```
查看版本(验证 Docker 是否安装成功)
```
sudo docker version 或 docker -v
```
将当前用户加入 docker 用户组（避免每次运行 docker 都需要使用 sudo）
```
sudo usermod -aG docker $USER
```
注意：执行此操作后需要注销并重新登录。
启动
```
sudo systemctl start docker.service
```
查看状态
```
sudo systemctl status docker
```

可以使用docker info 查看当前docker的默认存储目录。可以看到docker存储驱动程序和默认存位：
Storage Driver: overlay
Docker Root Dir: /var/lib/docker
停止docker服务
```
sudo systemctl stop docker.service
```
迁移/var/lib/docker目录下面的文件到 /data/xxx/docker；(注意xxx是你自己定义的目录，找个磁盘空间大一点的目录)
```
sudo cp -r /var/lib/docker/* /data/xxx/docker/
```
创建或编辑 Docker 的守护进程配置文件：(默认情况下这个配置文件是没有的，这里实际也就是新建一个)
```
sudo gedit /etc/docker/daemon.json
```

添加以下内容：(注意xxx是你自己定义的目录)

{
    "data-root": "/data/xxx/docker",
    "registry-mirrors": [
        "https://docker.1ms.run",
        "https://docker.xuanyuan.me",
        "docker.m.daocloud.io",
	"docker.imgdb.de",
	"docker-0.unsee.tech",
	"docker.hlmirror.com",
	"cjie.eu.org"
    ],
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "args": [],
            "path": "nvidia-container-runtime"
        }
    }
}

保存文件并重启 Docker：

# 重启docker服务
sudo systemctl daemon-reload
sudo systemctl restart docker
sudo systemctl status docker

docker info  # 校验一下是否更改成功
docker ps -a
docker images  # 确认之前的镜像还在

# 校验是否能下载镜像
docker run ubuntu:15.10 /bin/echo "Hello world"

确定容器、镜像没问题后删除/var/lib/docker/目录中的文件。
```
rm -rf /var/lib/docker/*
```

docker中使用GPU

方法一: 使用nvidia-container-runtime：

添加库： Link

curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | \
  sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
sudo apt-get update

安装nvidia-container-runtime：

sudo apt-get install nvidia-container-runtime
systemctl restart docker #重启docker

测试验证：（启动命令中添加参数：–gpus all 或 --gpus "device=1"指定）：
```
docker run --gpus all --rm nvidia/cuda:11.0-base nvidia-smi
```

方法二：安装 NVIDIA Container Toolkit

设置 NVIDIA Container Toolkit 仓库：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/nvidia-docker/$(. /etc/os-release; echo $ID$VERSION_ID)/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

更新软件包索引并安装 NVIDIA Container Toolkit：

sudo apt update
sudo apt install -y nvidia-container-toolkit

配置容器运行时：

sudo nvidia-ctk runtime configure --runtime=docker

重启 Docker 服务：
```
sudo systemctl restart docker
```

验证安装是否成功：

docker run --rm --gpus all nvidia/cuda:12.0.1-base nvidia-smi

离线安装GPU的docker环境
前提：已经安装好了docker(需要docker版本>=19.03)，可以用docker -v进行测试

说明：Docker 19.03的发布，不赞成使用nvidia-docker2软件包，因为Docker运行时中现在已将NVIDIA GPU作为设备本地支持
nvidia将提供原生的显卡支持,只需要安装 nvidia-container-toolkit工具包不再像使用nvidia-docker/2那样复杂配置，而且不支持用docker-compose
在docker19以前都需要单独下载nvidia-docker1或nvidia-docker2来启动容器，docker19后跑需要gpu的docker只需要加个参数–gpus all 即可

联网机器设置仓库和GPG密钥

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
   && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
   && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

其实，distribution就是你的系统名称，例如：ubuntu22.04等，可以通过cat /etc/os-release等命令查看，查看后替换命令中的内容就行，并设置成临时变量。

在联网的机器上下载包

apt download libnvidia-container1

apt download libnvidia-container-tools

apt download nvidia-container-toolkit-base

apt download nvidia-container-toolkit

或者在NVIDIA的GitHub主页找到Ubuntu系统对应的NVIDIA Container Toolkit安装包，页面的安装包较多，搜索关键词“1.17.4”，进行下载安装包即可：

libnvidia-container1_1.17.4-1_amd64.deb           # 基础库包，提供了最基本的功能，其他包都依赖于它
libnvidia-container-tools_1.17.4-1_amd64.deb      # 基础工具包，依赖于 libnvidia-container1
nvidia-container-toolkit-base_1.17.4-1_amd64.deb  # 基础组件包，依赖于前面的包
nvidia-container-toolkit_1.17.4-1_amd64.deb       # 主要的工具包，依赖于以上所有包
libnvidia-container1-dbg_1.17.4-1_amd64.deb       # 调试符号包，只在调试问题时使用
libnvidia-container-dev_1.17.4-1_amd64.deb        # 开发包，只在进行开发时使用

其中最后两个安装包可以选择不下载和不安装

拷贝到离线机器上安装(注意：需要按顺序安装)

# 按顺序执行
dpkg -i libnvidia-container1

dpkg -i libnvidia-container-tools

dpkg -i nvidia-container-toolkit-base

dpkg -i nvidia-container-toolkit

查看NVIDIA Container Toolkit的版本以验证是否安装成功
```
nvidia-ctk --version
```

设置Docker默认使用NVIDIA runtime

sudo nvidia-ctk runtime configure --runtime=docker

在这里插入图片描述

重启docker服务
```
systemctl restart docker
```

创建容器

docker run --rm --gpus all -v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash

备注：

备注说明： 
方法一：  安装nvidia-container-toolkit，后添加—gpus参数来使用
   使用nvidia-container-toolkit的最大优点：linux主机不需要安装 CUDA toolkit，仅安装显卡驱动 cuda-drivers 即可
   sudo docker run --gpus all -v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash

方法二：  nvidia-docker2 and nvidia-container-runtime
 安装nvidia-container-runtime，在首次运行时添加—runtime=nvidia参数，后续启动、结束都不需要再加
 sudo apt-get install nvidia-container-runtime
 sudo docker run --gpus all-v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash

参考博客

二、docker基本操作(以Ultralytics为例)

# 拉取镜像
docker pull ultralytics/ultralytics:latest

# 查看端口号是否被占用
lsof -i 12345

# 创建容器
docker run --gpus all -it --name cc_yolo2 -u root -v /data:/workspace/data -w /workspace/data -p 12345:12345 ultralytics/ultralytics:latest /bin/bash

# 启动容器
docker start cc_yolo2

# 进入容器
docker exec -it cc_yolo2 bash

# 查看其torch的库安装位置
pip show torch

# 删除容器
docker rm -f 容器ID