文章目录
前言
本文主要介绍docker发展历史，常用的镜像，容器命令。以及部署深度学习环境，运行deeplabV3 项目。
一、Docker简介
2010年，美国一家公司dotcloud做一些pass的云计算服务，lxc有关的容器技术，他们讲自己的技术（容器化技术）命名为Docker。
刚诞生的时候，没有引起关注，然后2013年，他们讲Docker开源，一鸣惊人。
二、帮助命令
1.查看版本信息： docker version
2.查看系统信息：
docker info
; 三、镜像常用命令
1.搜索镜像： docker search 镜像名称
2.下载镜像： docker pull 镜像名称
3.查看本地上的所有镜像：
docker images -q 只显示ID
4.删除镜像：
docker rmi -f 镜像ID递归删除所有镜像：
docker rmi -f $(docker images -aq)
四、容器常用命令
1.新建容器并启用
docker run [可选参数] image
--name 名字
-d 后台方式运行
-it 交互方式运行
-p 指定容器端口 主机端口:容器端口
--gpus all 使用宿主机的gpu
--shm-size="25g" 设置共享内存
例如：
docker run -it --gpus all --shm-size="25g" ID /bin/bash
2.列出正在运行中的容器：
docker psdocker ps -a 现在+曾经3退出容器：
exit 直接容器停止并退出ctrl +p+q 不停止退出
4:删除容器：
docker rm ID 不能删除正在运行中的容器5:启动容器：
docker start ID6:重启容器：
docker restart ID7:停止当前运行的容器：
docker stop ID8:强制停止：
docker kill ID9:查看容器中的进程信息：
docker top ID10:进入当前正在运行中的容器
进入容器开启新的终端：
docker exec -it ID /bin/bash正在执行：
docker attach ID11：查看容器内存信息：
df -h
五、配置深度学习环境
1 查看镜像： docker images
5.安装minianaconda
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.2-Linux-x86_64.sh
如下图所示，安装完成
6.退出，并进入容器
8.进入虚拟环境
conda activate skm
9.安装pytorch
并测试是否使用gpu
print(torch.cuda.is_available())
10.安装git：
apt-get install git 并clone项目 git clone 链接
11.安装项目运行其他的包:
pip install 包
六、运行deeplabV3代码
; 七、提交容器，保存镜像
提交容器： docker commit ID 镜像名称
保存镜像： docker save -o 本地路径 镜像ID
总结
以上就是本文的全部内容，简单来说就是创建容器，配置环境，运行代码，提交容器，保存镜像。
这只能说是Docker的入门，在配置过程中，遇到不懂的地方，欢迎评论区留言。
最后，有空闲时间，一定要和喜欢的人看日落哦！
Original: https://blog.csdn.net/Lightismore/article/details/125568681
Author: 浅念念52
Title: Docker 部署深度学习 运行deeplabV3
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/628265/
转载文章受原作者版权保护。转载请注明原作者出处！