【深度学习环境搭建＜五＞】深度学习中Docker开发环境的使用

0x00 下载镜像

我们要复现的项目一般都用pytorch或者tensorflow框架，可以直接基于现有的pytorch或者tensorflow的Docker镜像，然后再在里面安装其他的包。

下载地址：

pytorch：https://hub.docker.com/r/pytorch/pytorch/tags
tensorflow：https://hub.docker.com/r/tensorflow/tensorflow/tags

根据项目中的环境要求，选择相应的版本，然后pull下来，比如：

docker pull tensorflow/tensorflow:latest

如果提示：权限不够
尝试一：进入到docker组下面 newgrp docker
尝试二：查看是否在docker组下面，id <你的用户名>；如果不在docker组下面，联系我

注：以后运行docker报这个错都这么解决

0x01 创建新镜像

我们要在现有的镜像基础上再配置我们需要的python环境。

启动容器

docker run --rm -it --runtime=nvidia <上面pull下来的镜像名称:镜像的tag> /bin/bash

		参数说明：
						--rm : 关闭终端就会将容器关闭，不用再手动清理了
						-it  : 终端
						--runtime=nvidia：此选项允许我们使用宿主机中的GPU和Nvidia Driver
		可选项：
						-v <宿主机上的路径>:<docker中要存放的路径> ：可以将宿主机中的数据共享到docker的特定路径下，无论哪边修改数据都会同步

安装python包

可以在第一步中启动的容器中安装python的各种包了（和在正常ubuntu系统一样）
保存我们的新镜像

所有环境安装完以后，重新打开一个终端（刚才哪个终端不要关闭，关闭刚才配的环境就都没了）
1. 查看上述运行的容器的容器ID
```
docker ps -a
```
2. 制作新镜像
```
docker commit <1中查询到的容器ID> 新的镜像名：tag

eg: docker commit 3469f73a3db8 cvit:latest
```
3. 查看是否创建成功
```
docker images
```
  如果存在，则说明你创建成功

0x02 在Pycharm中使用镜像环境

具体步骤：

打开pycharm, 选择File→Setting
在左侧菜单栏选择Project:xxx，然后选择它下面的Python Interpreter
点击右侧Python Interpreter选项最右边的按钮，选择Add
选择左侧菜单栏的Docker选项，
然后点击右侧的New按钮（我这里已经加过了）
配置一些信息，如图就行
点击OK以后就会进行连接，连接成功后就可以选择你要使用的镜像和里面的python环境了。
配置使用GPU
上述步骤结束以后，运行时发现会报错，如下

找不到Nvidia Driver，这时我们需要修改docker的守护进程：/etc/docker/daemon.json
向上述文件中添加一句："default-runtime": "nvidia"
修改后内容如下：
```
{
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}
```
重启docker

守护进程重启 sudo systemctl daemon-reload

重启docker服务 systemctl restart docker