docker 命令

2021.10.21更新：
1、删除同名或者同IMAGEID的镜像：

docker rmi repository:TAG

2、同一个系统中，一个镜像打包成tar包之后，导入时，时间是原镜像生成的时间，并且不会生成新镜像。可以将这个tar包在其他系统导入，得到镜像，时间也是原镜像的建立时间，可以修改repository和tag，然后打包，再导入原系统，就可以得到新的tag了。
3、利用export导出的镜像不完整，例如，原来镜像里装好了显卡驱动，利用export导出之后，就没有。

1、修改docker镜像名字

docker tag IMAGEID(镜像id) REPOSITORY:TAG

例如对上图中 的vqa_yolo5镜像修改名字：
PERPOSITORY:写上自己想改的名字
TAG:写上版本号或者latest

docker tag d0a151a73903 vqa:latest

#删除容器前，需要停止运行容器
2、删除容器

docker rm 容器ID

删除镜像前需要停止这个镜像产生的容器，然后删除这个镜像产生的容器，才可以删除镜像。
3、删除镜像

docker rmi IMAGEID

4、启动容器

docker start 容器名或者容器id

5、停止容器

docker stop 容器名或者容器id

6、导入导出：

注：

   导出镜像 ：docker  save -o  路径/文件名  镜像名:镜像tag
   导入镜像： docker  load  -i 文件名

   导出容器：docker export   -o  文件名  容器id
   导入容器：docker  import   文件名  -自定义镜像名:镜像tag

将容器导出成为镜像：
docker commit -a "镜像作者" -m "提交说明" 容器名 生成镜像的名字：tag

推荐使用save和load，一般不会出问题
7、创建容器：
如果不指定端口，宿主机和容器无法通信，
比如容器中的服务端口为80，ip为172.12.1.12,映射到宿主机8000端口，宿主机ip为：192.168.43.248
如果映射了端口就可以，用192.168.43.248：8000来访问容器中172.12.1.12:80的服务。

注意1：-p端口参数在-v挂在路径的前边，否则会出错。
注意2：-p x1:x1 -p x2:x2 ...如果需要映射多个端口，可以写多个-p参数进行设置
docker run -itd --name 容器名 -e LANG="en_US.UTF-8" -p 8000:80  -v （挂在硬盘）宿主机路径:容器路径  镜像名:版本号 /bin/bash
#例子：
docker run -itd --name my_container -e LANG="en_US.UTF-8" -p 8000:80 -v /APP/iMAT/zhuliagnqi-ghq:/temp my_images:v1 /bin/bash

7.1如果要创建gpu可以用的容器，需要指定runtime参数，命令如下：

docker run -itd --gpus all -e LANG="en_US.UTF-8"  --name=lqzhu_con_gpu  --runtime=nvidia -v C:/zlq:/temp -p 9970:9970 lqzhu_gpu:v1.0 /bin/bash

7.2 如果将来要用来跑深度学习代码，请添加以下参数，--shm 64G，设置共享内存的大小，可以在加载数据的时候，开启多线程，提高模型的训练速度。生成容器的命令如下：

docker run -itd --gpus all  -e  LANG="en_US.UTF-8"  --name 容器名 --runtime=nvidia  -p 8000:80  --shm-size  64G  -v （挂在硬盘）宿主机路径:容器路径  镜像名:版本号 /bin/bash

例如利用pytorch加载数据时，参数num_workers=8可以大大提高加载数据的速度：

train_loader = data.DataLoader(train_set, batch_size=args.batch_size,num_workers=4, shuffle=True)

8、启动

docker exec -it my_container /bin/bash