定制镜像制作指南（AI平台使用）

目录

一、基础镜像

1.1 NGC官方基础镜像

1.2 自制带cuda的基础镜像

1.2.1 下载Dockerfile

1.2.2 修改Dockerfile

1.2.3 替换FROM基础镜像

1.2.4 替换cudnn（如果没有指定版本，忽略该部分内容）

1.2.5 其它部分修改

1.2.6 在线制作cuda基础镜像

1.2.7 离线下载RUN安装的cuda组件（如果在线制作顺利，忽略该部分）

1.2.8 验证基础镜像

二、安装组件

2.1 安装python3

2.1.1、在本地服务器下载python3.6.6安装包：

2.1.2、挂载/home/wjy目录到容器：

2.1.3、安装python3.6

2.1.4、修改配置文件

2.2 安装tensorflow

2.2.1 安装

2.2.2 查看版本

2.3 安装opencv

2.3.1 安装

2.3.2 查看版本

2.3.3 安装opencv共享库

2.4 安装Keras

2.4.1 安装

2.4.2 查看版本

2.5 安装numpy

2.5.1 安装

2.5.2 查看版本

---

一、基础镜像

      因为基础镜像都需要安装cuda、cudnn等深度学习必备组件，如果客户使用的镜像对操作系统版本（官方镜像操作系统都是最新的）、cudnn版本没有要求，以及要求操作系统是ubuntu系统，都可以去NGC官网，下载指定cuda版本的基础镜像，具体参考1.1。

       如果客户指定操作系统版本为centos，或指定cuda、cudnn版本，NGC官方没有该基础镜像，则需要客户自制带指定操作系统或cuda版本的基础镜像，具体参考1.2。

  

       本文档，以某客户定制镜像，作为示例，其它客户定制需求，参考此文档，进行灵活制作，不用过于教条，客户定制要求：

        操作系统：centos7.4  

        numpy==1.15.4

        opencv-python==3.4.3.18

        tenserflow-gpu==1.8.0

        Keras==2.2.4

        python3.6.6

        cudnn 7.0

        cuda9.0

注意：

       制作镜像，需要在联网环境，如果不能联网，需要自己到联网环境，下载离线包，再拷贝到离线环境制作镜像，但是不推荐，因为，安装的组件，依赖包比较多，少下载一个，就可能导致离线安装组件失败，如果经验比较丰富，在线和离线都可以。本文以在线制作镜像为主，会提供离线下载组件和离线安装组件命令。

       按照要求定制或者制作的镜像，只安装了客户需要的组件，由于镜像中的操作系统都是MINI版，客户实际使用过程中，需要的各种库或者依赖包，一般在线安装定制组件的时候，有些共享库或者组件包，并不会被自动安装，需要专门指定安装。如果客户指定，我们都会安装，如果客户没有指定，我们只安装客户指定的组件，像共享库或者依赖组件，由于和实际的使用和训练场景有关，对于具体需要什么共享库和依赖，我们制作人员都是未知的，所以，不提供安装。如果，客户在实际使用中，需要安装所需的共享库或者依赖组件，本文档会提供思路，具体问题需要具体分析。如果，经过尝试，实在解决不了，可以请求我们的技术人员协助，远程协助你们安装所需组件。

        如果没有最终失败，Dockerfile在线制作镜像输出的红色内容，请忽略，不影响最终制作的镜像。

1.1 NGC官方基础镜像

ubuntu的cuda基础镜像，都可以在NGC官方拉取，一般不需要单独制作，单独制作只针对centos版本。

NGC官方基础镜像下载地址：

CUDA | NVIDIA NGC

点击Pull Tag获取pull镜像命令，下载需要的基础镜像：

docker pull nvcr.io/nvidia/cuda:9.0-cudnn7-devel-centos7

1.2 自制带cuda的基础镜像

     由于客户定制的镜像，指定了操作系统，NGC官方镜像没有该基础镜像，需要自制基础镜像。

1.2.1 下载Dockerfile

    下载指定版本的cuda和操作系统的Dockerfile和cuda.repo，然后再修改Dockerfile.

dist · master · nvidia / container-images / cuda · GitLab

点击centos7进入cuda版本选择，选择cuda9.0

 

 

下载后，如图所示：

        gitlab cuda9.0下面，有base、devel、runtime目录，我们需要将每个下面的Dockerfile文件，汇总成一个Dockerfile文件，制作一个最全的cuda镜像，防止镜像使用GPU训练时出现问题。base、devel和runtime官方解释，如下：

CUDA images come in three flavors and are available through the NVIDIA public hub repository.

base: starting from CUDA 9.0, contains the bare minimum (libcudart) to deploy a pre-built CUDA application.
Use this image if you want to manually select which CUDA packages you want to install.

runtime: extends the base image by adding all the shared libraries from the CUDA toolkit.
Use this image if you have a pre-built application using multiple CUDA libraries.