docker启动训练容器教程

docker启动训练容器

拉取容器镜像
- 配置代理在国内拉取镜像
容器启动
- 容器使用显卡
conda环境配置

1、拉取容器镜像

docker pull NAME[:TAG]

NAME：镜像名称，如ubuntu,mysql等等
TAG：镜像标签，通常表示不同版本号，如果不指定则默认latest

拉取完成后使用docker images查看是否有存在拉取的镜像名称

配置代理可以参考Blog，这里不再过多赘述

2、容器启动

在 Docker 中启动容器是通过 docker run 命令完成的，它不仅可以启动容器，还可以在不存在指定镜像时从仓库拉取镜像。以下是如何启动容器的基本步骤和一些重要的注意事项。

启动容器的基本命令

命令格式如下：

docker run [OPTIONS] IMAGE [COMMAND] [ARG...]

IMAGE：镜像的名字和标签（如果未指定标签，默认使用 latest）。
COMMAND 和 ARG：在容器启动后执行的命令及其参数。

常用选项

-d, --detach：后台运行容器，并打印容器 ID。
--name：为容器指定一个名称，方便后续操作。
-p, --publish：发布容器的端口到宿主机上，格式为 宿主机端口:容器端口。
-v, --volume：挂载宿主机的目录或文件到容器内。
--rm：容器退出时自动清理容器文件系统。
-e, --env：设置环境变量。
--restart：设置容器的重启策略，如 always、on-failure、unless-stopped。

示例

假设你想运行一个 ubuntu 服务器：

docker run -d --name my-ubuntu -p 8080:80 ubuntu

这个命令将：

在后台启动一个新的容器。
将容器命名为 my-ubuntu。
将容器的 80 端口映射到宿主机的 8080 端口。
使用 ubuntu 镜像。

注意事项！！！

端口冲突：确保映射到宿主机的端口未被其他应用占用。如果容器启动后，修改端口会非常麻烦！
挂载：如果容器内的数据是重要的，应该通过 -v 选项挂载数据卷或绑定宿主目录，以防容器删除后数据丢失。挂载非常重要！每一个容器都应该有一个挂载路径，方便与容器进行数据交互！下面给出一个挂载的例子

假设你正在开发一个 Web 应用，你的 HTML 和 JavaScript 文件存放在宿主机的 /path/to/webapp 目录中。你想要将这个目录挂载到运行 ubuntu 服务器的容器中，以便容器可以直接使用这些文件。

docker run -d \--name my-ubuntu \-v /path/to/webapp:/usr/share/ubuntu/html \-p 8080:80 \ubuntu

这个命令做了以下几件事：

-d 使容器在后台运行。
--name my-ubuntu 将容器命名为 my-ubuntu。
-v /path/to/webapp:/usr/share/ubuntu/html 将宿主机的 /path/to/webapp 目录挂载到容器的 /usr/share/ubuntu/html 目录。这意味着容器中 ubuntu 服务默认的 Web 根目录现在指向你的本地开发目录，任何更改都会立即反映在通过 ubuntu 提供的网页上。
-p 8080:80 将容器的 80 端口映射到宿主机的 8080 端口，使你可以通过 http://localhost:8080 访问你的 Web 应用。

2.1、让docker容器使用宿主机显卡

步骤1：检查驱动

首先使用nvidia-smi检查宿主机是否能正常使用显卡

步骤2：安装nvidia-container-toolkit

安装nvidia容器工具包（nvidia-container-toolkit），需要这个工具才能让docker支持nvidia的GPU

如果你使用的是ubuntu可以使用以下命令安装

# 添加安装包存储库
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# 安装NVIDIA-DOCKER2软件包，然后重新加载Docker守护程序配置
sudo apt-get update
sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker

更详细步骤可以参考官方链接

步骤3：运行支持GPU的容器

安装完 NVIDIA Docker 后，可以通过 --gpus 标志来启动支持 GPU 的容器。例如，如果想运行一个支持GPU使用的ubuntu容器，可以使用以下命令：

docker run --gpus all ubuntu

3、容器内的conda环境安装

进入容器内部后，安装conda环境，有conda和miniconda两个选项

conda： 如果你不能明确你的环境要求，建议安装conda，因为里面会预装好常用包，但是会很大很重
miniconda： 轻量，如果你明确你需要的库，那么miniconda是最好的选择

这里以安装miniconda为例:

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

在安装好后，更新资源