深度学习环境准备之docker常用操作详解和pycharm/tensorboard远程使用方法

作为深度学习算法工程师，除了要跟论文、公式、数据、代码打交道，还有更基础、有时候也是最头疼的就是环境，环境操作的熟练程度对工作效率有重要影响。经过无数次的挖坑踩坑，有必要把常用的环境操作进行总结梳理。

为了支持多个不同的工程，只有一个环境一般是不够的，使用过的多环境工具有anaconda虚拟环境、pipenv、docker等，但在大规模工程实践中，docker在多系统移植、多平台支持和多用户复用和隔离等方面有着非常大的优势，所以应用更加广泛。本文主要介绍docker的基本操作，以及搭建好docker环境后，如何使用本地pycharm远程连接docker环境并在本地浏览器使用tensorboard进行可视化分析。

一、docker基本操作和应用场景

docker有两个基本概念：镜像（image）和容器（container）,二者的关系类似于类和对象，一个是静态且固化的环境文件，一个是运行起来的、可以修改和操作的环境实例。docker的所有操作的前提是已经安装好docker软件，并且存在至少一个基础镜像，基础镜像可以从远程镜像仓拉取或者自行下载。

下面从基于一个基础镜像启动一个新的容器开始：

1.查看所有本地镜像

查看本地镜像的命令是：

 docker images

可以看到镜像名称、ID、创建时间、size和标签（TAG），假设有一个镜像名称和标签为image_test:1.0

2.创建容器

创建容器的命令有：

docker run
或docker create

二者都是基于一个镜像创建新的容器，区别是docker create只创建不启动，而docker run创建后启动。

注意在docker19版本之前，docker是不支持gpu的，因而无法使用nvidia显卡，如果需要使用nvidia，需要使用nvidia-docker命令，而docker19版本之后不需要。假设我们要创建一个名为container_test的容器并启动它:

nvidia-docker run --name container_test image_test:1.0

如果需要启动后直接进入容器，则需要加上-it参数

如果需要外部访问容器，需要用-p参数设置容器与服务器之间的端口映射。由于后续要使用pycharm（默认22端口）和tensorboard（默认6006端口），所以至少需要设置两个端口映射。

如果需要挂载服务器地址，需要用-v参数设置容器与服务器之间的地址映射。由于需要使用docker运行服务器中/home/my_name/projects下的代码，所以需要将这个地址映射到容器内，假设新建一个/workspace

由于默认给docker分配的共享内存只有64M，所以需要用--shm-size调整大小。

所以完整命令可以写为：

nvidia-docker run --name container_test  --shm-size="32g" -v /home/my_name/projects:/workspace -p 40010:22 -p 40011:6006 -it  image_test:1.0