平台：Ubuntu18.04　　——　　主要参考：菜鸟教程

 

 

Docker 包括三个基本概念:

• 镜像（Image）：镜像（Image），就相当于是一个 root 文件系统。比如官方镜像 ubuntu:16.04 就包含了完整的一套 Ubuntu16.04 最小系统的 root 文件系统。
• 容器（Container）：镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的类和实例一样，镜像是静态的定义，容器是镜像运行时的实体。容器可以被创建、启动、停止、删除、暂停等。
• 仓库（Repository）：仓库可看成一个代码控制中心，用来保存镜像

注意镜像和容器的区别，是用run启动镜像，得到一个对应的容器，容器停止后可以用start启动。镜像名 ≠ 容器名，镜像ID ≠ 容器ID；

镜像系统一般都需要apt update一下

 

一、安装docker工具

1. 按 菜鸟教程 中“Ubuntu Docker 安装——手动安装 ”的指导进行。

　　执行测试

sudo docker run hello-world
# 报错是由于官方源在国外，无法连接
Unable to find image 'hello-world:latest' locally
docker: Error response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers).

2. 添加国内源，重新尝试即可。　　——参考

sudo vim /etc/docker/daemon.json　　　　　　# 编辑配置文件，163的挺好用
# 添加下面的内容
{
 "registry-mirrors": ["https://registry.docker-cn.com","http://hub-mirror.c.163.com"]
}

sudo systemctl restart docker.service    # 重启docker服务

3. 添加当前用户到docker用户组　　——参考

　　docker默认属于root用户，其它用户要使用docker命令需要sudo权限。可以将需要的账号添加到docker用户组下，就不必每次都用sudo了。

cat /etc/group        # 查看有哪些分组
sudo usermod -aG docker username    # 将username用户添加到docker分组里
newgrp docker         # 更新分组信息

docker run hello-world        　　　 # 测试

 

二、 常用命令

1.

docker ps         　　　　　　　　# 查看正在运行的容器

docker rm container_name/id　　 　　　　　　　　　　　# 删除容器
docker rmi image_name/ID　　　　　　　　　　　　　　　 # 删除镜像

docker run image_name/ID　　　　　　　　　　　　　　　 # 运行镜像生成容器，有时候运行失败也会生成一个容器
docker run -it ubuntu /bin/bash　　 　　　　　　　　 # -i：交互式，-t：终端，即启动镜像ubuntu并进入其命令行终端shell：/bin/bash；这时exit后容器将停止（exited）

docker logs container_name/ID　　　 　　　　　　　　 # 查看容器内的标准输出

docker stop container_name/ID　　　 　　　　　　　　 # 停止运行容器
docker start container_name/ID　　　　　　　　　　　 # 启动一个已经停止运行容器
docker restart container_name/ID　　　　　　　　　　 # 重启容器

docker exec -it container_name/ID /bin/bash　　　　# 进入已启动的容器的终端，这时exit后容器还在后台运行（Up）

# 镜像打包与加载
docker save image_name/ID -o filename.tar　　　　　# 镜像打包的内容包括各种历史记录，会比较大
docker load -i filename.tar　　　　　　　　　　　　　 # 镜像load后还是原来的名称

# 容器打包与加载
docker commit container_name/ID image_name:version　　# 把容器打包为镜像
docker export container_name/ID > exportname.tar　　　# 导出为tar包
docker import exportname.tar new_image_name:version　 # 导入容器为新镜像，可以定义新镜像名

 

docker tag image_id new_image_name    # 镜像重命名/增加新指引label，这之后将有两个镜像名称指向一个镜像id，可以删掉其中一个名称　　——参考
docker rename container_name new_container_name 　　 # 容器重命名，容器名用　　docker ps -a　　可以看到，NAMES（这个名称一般是随机生成的）

 

2. 主机与docker容器之间的文件传输（容器间不行）　　——参考

# 容器中不存在的目录将自动创建
# 在宿主机目录，向容器传输文件
docker cp path/to/file container_name:/target/path/　　　　　　# "/target/path/"必须存在并以反斜杠 / 结尾，否则只会在target/目录下形成一个叫 path 的文件

# 在宿主机目录，从容器向宿主机传输文件 
docker cp dockername:/path/to/file target/path

** 挂载主机目录到容器　　——详解

docker run -it -v /path/of/source/directoy:/target/path/in/container image_name/ID /bin/bash　　# source在宿主机上，两边的路径都用绝对路径

 ** 一个例子

　　主机上有目录 /home/work，容器导出的镜像内有新建的目录 /home/job，里面是向容器内新加的文件，

docker run -it -v /home/work/:/home/ image_name/ID /bin/bash　　　　　　# × 容器内 /home/job目录不见了（看不到，ls不了），因为主机的相关目录挂载到容器内的/home/下面了，和job同级，都在/home/目录下，job目录被掩盖了（实际上还在）
docker run -it -v /home/work/:/home/job/ image_name/ID /bin/bash　　　 # √ 容器内 /home/job目录还在，可以正常使用

 

3. 常用工具安装

apt install vim    # 默认不包含vim

 

4. 在docker安装驱动时出现问题　　—— 问题暂未解决

“An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel. This may be because it is in use (for example, by an X server, a CUDA program, or the NVIDIA Persistence Daemon), but this may also happen if your kernel was configured without support for module unloading...."

lsmod | grep nvidia    # 查看nvidia的相关module，输出依次为：Module， Size， Used， by

 

二、安装nvidia-docker

　　如果要在容器内跑使用GPU的程序，需要安装nvidia-docker，这样可以在docker内直接调用宿主机的GPU。

如果直接在容器内安装nvidia的驱动，配置cuda环境，在使用时将需要指定宿主机的GPU位置，类似于/devices/gpu0 这样的。

　　nvidia-docker 安装方法按照 nvidia官方文档即可；博客可 参考

　　验证可用后，可以去 docker官方 找 nvidia/cuda 相关的镜像，这些镜像像其它镜像一样用即可，里面已经安装了对应版本的cuda等内容。

 

** 版本含义，如：10.1-cudnn7-runtime-ubuntu18.04表示：ubuntu系统库，cuda10.1，cudnn7，runtime版。

** 三个版本的nvidia-docker（三个版本的size依次增大）　　——参考

base版：只有基础的库（libcudart）；

runtime版：有所有的共享库，调用即可；

devel版：即开发版，包含共享库和编译、调试工具，头文件等，有bin/目录和nvcc，libcudnn在 /usr/lib/x86_64-linux-gnu/libcudnn.so。

 

1. 问题：OsError: libcudnn.so.7: cannot open shared object file: No such file or directory

背景：使用devel-cudnn8版的nvidia-docker，pip安装torch，torchvision

解决：下载了一个cudnn7.5的库包，解压到docker内（名为cuda/），设置LD_LIBRARY_PATH环境变量，将 path/to/cuda/lib64（内涵目标链接库）加入该环境变量，然后source ~/.bashrc即可