docker gpu 创建 训练环境_pycharm+docker+GPU环境配置

前言：

环境配置很麻烦特别是在实验室多个人用的服务器上，说不定哪天你的caffe就不能用了呢(手动狗头)，那为了免受其苦就用了docker配置环境

环境：

我这里ubuntu：14.04

安装docker并pull images：

1.首先安装docker，根据docker官网，先在左边根据需要选择docker版本，推荐docker-ce(因为我只用过ce，蛤蛤蛤)，再选择系统，然后照着流程搞就行。

为了避免麻烦或有其他问题最好把自己的用户加入docker 用户组，不然每次都要用sudo：

sudo usermod -aG docker your-user

将your-user换成你要用的账户名就行。

2.要使用GPU的话还要安装nvidia-docker2，根据这个安装。

3.之后就可以根据需要pull镜像了,我这里是需要tensorflow,所以直接pull:

docker pull tensorflow/tensorflow:1.10.0-gpu-py3

#tensorflow/tensorflow是镜像名,1.10.0-gpu-py3是标签,一般最新版是latest

可以根据自己的需要search镜像如docker search tensorflow,一般选择star最多的,版本可以去Docker Hub上根据需要选择。

4.如果没有其他需求的话就可以直接食用了，食用方法：

nvidia-docker run -it tensorflow/tensorflow:1.10.0-gpu-py3 bash

运行之后就会进入创建的容器了，可以运行nvidia-smi看能不能正常使用GPU

pycharm使用：

因为pycharm实在太方便了，所以我就安装了pycharm，如果想要在pycharm里面使用docker容器是要用Professional 版本功能的，有学校邮箱可以去pycharm官网注册一下，可以免费用。

1.因为pycharm默认使用的是docker而不是nvidia-docker，直接用的话会用不了GPU，显示No such file：libcuda.so.1，所以我在这个问题上折腾了很久，在这里找到了解决方法，大致就是把默认的换成nvidia-docker：打开/etc/docker/daemon.json，将里面的内容修改为：

{

"default-runtime": "nvidia",

"runtimes": {

"nvidia": {

"path": "/usr/bin/nvidia-container-runtime",

"runtimeArgs": [ ]

}

}

}

其实就是加了一个default-runtime。

之后重启守护进程：

sudo pkill -SIGHUP dockerd

2.配置pycharm(我用的2019.1版本，不同的可能不一样，大致相同)：

打开之后File->Settings->Project->Project Interpreter

点击Project Interpreter一栏右边齿轮，选择Add...

1.png

然后选择Docker，Server应该能直接连上，在Image name一栏就能看到你pull的镜像，选择之后点击OK

2.png

等待一会，能看到镜像里面安装过的环境，直接点击OK就行，等待最下面进度条走完就可以直接使用镜像里的环境了。

结束：

中间过程折腾了很久，本来以为很简单，但是中间出了几次问题，装完之后就方便很多了，很多环境问题就再也不用发愁了。我去继续了。。。