前言
在Ubuntu系统，创建一个docker，然后搭建conda深度学习环境，这样可以用conda或pip安装相关的依赖库了。
一、创建一个docker
为了方便开发，在Docker Hub官方中选择一个合适的conda docker镜像，然后下载到本地。
我选择了”docker-anaconda”，地址是：Docker Hub
下载命令如下：
docker pull continuumio/anaconda3
二、进入docker
通常使用 docker run 命令进入docker镜像，例如：
docker run -i -t continuumio/anaconda3 /bin/bash
其中 -i: 以交互模式运行容器，通常与 -t 同时使用；
2.1 映射目录
平常进入了docker环境，然后创建或产生的文件，在退出docker环境后会”自动销毁”；或者想运行本地主机的某个程序，发现在docker环境中找不到。
我们可以通过映射目录的方式，把本地主机的某个目录，映射到docker环境中，这样产生的文件会保留在本地主机中。
比如：
docker run -i -t continuumio/anaconda3 -v /home/xxx/xxx/:/home/xxxx:rw /bin/bash
通过-v 把本地主机目录 /home/xxx/xxx/ 映射到docker环境中的/home/xxxx 目录；其权限是rw，即能读能写。
2.2 支持GPU
默认是不把GPU加入到docker环境中的，但可以通过参数设置：
--gpus all
但我发现，这样有时不能在docker里正常使用GPU；可以使用如下参数，在Pytorch中亲测有效。
--gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all
举个例子：
docker run -i -t continuumio/anaconda3 --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all /bin/bash
2.3 设置内存
默认分配很小的内参，在训练模型时不够用，可以通过参数设置：
--shm-size xxG
比如，我电脑有32G内参，想放16G到docker中使用，设置为 –shm-size 16G，即：
docker run -i -t continuumio/anaconda3 --shm-size 16G /bin/bash
2.4 综合版本
结合映射目录、支持GPU、设置内存，打开docker的命令如下：
docker run -i -t -v /home/disk1/guopu/:/home/guopu:rw --gpus all --shm-size 16G -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all continuumio/anaconda3 /bin/bash
详细的参数解析如下
- -a stdin: 指定标准输入输出内容类型，可选 STDIN/STDOUT/STDERR 三项；
- -d: 后台运行容器，并返回容器ID；
- -i: 以交互模式运行容器，通常与 -t 同时使用；
- -P: 随机端口映射，容器内部端口 随机映射到主机的端口
- -p: 指定端口映射，格式为：主机(宿主)端口:容器端口
- -t: 为容器重新分配一个伪输入终端，通常与 -i 同时使用；
- –name=”nginx-lb”: 为容器指定一个名称；
- –dns 8.8.8.8: 指定容器使用的DNS服务器，默认和宿主一致；
- –dns-search example.com: 指定容器DNS搜索域名，默认和宿主一致；
- -h “mars”: 指定容器的hostname；
- -e username=”ritchie”: 设置环境变量；
- –env-file=[]: 从指定文件读入环境变量；
- –cpuset=”0-2″ or –cpuset=”0,1,2″: 绑定容器到指定CPU运行；
- -m :设置容器使用内存最大值；
- –net=”bridge”: 指定容器的网络连接类型，支持 bridge/host/none/container: 四种类型；
- –link=[]: 添加链接到另一个容器；
- –expose=[]: 开放一个端口或一组端口；
- –volume , -v:绑定一个卷
三、检验docker
进入docker中，首先查看一下GPU，用nvidia-smi命令。正常显示CUDA版本，正常加载了显卡（这里是两张1080ti）。
使用两张显卡训练YOLOv5时，显示正常；
四、进入已打开的docker
思路：首先使用docker ps 查询正在运行docker的ID，然后使用docker exec 命令进入。
命令如下：
$ sudo docker ps
$ sudo docker exec -it docker_ID /bin/bash
其中docker_ID，是使用docker ps查询正在运行docker的ID，比如是fe8984f24b79。
参考文献
怎么在docker中使用nvidia显卡 – 思念殇千寻 – 博客园
本文只供大家参考与学习，谢谢。
Original: https://blog.csdn.net/qq_41204464/article/details/121635600
Author: 一颗小树x
Title: 基于docker搭建conda深度学习环境（支持GPU加速）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/771252/
转载文章受原作者版权保护。转载请注明原作者出处！