利用docker安裝tensorflow，並遠程使用

1.安裝nvidia驅動

2.安裝docker

	1. sudo apt-get remove docker docker-engine docker.io containerd runc
	2. sudo apt-get update
	3. sudo apt-get install \
          apt-transport-https \
          ca-certificates \
          curl \
          gnupg-agent \
          software-properties-common	
        4.curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
	5.sudo add-apt-repository \
          "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
           $(lsb_release -cs) \
           stable"	
        6.sudo apt-get update
	7.sudo apt-get install docker-ce docker-ce-cli containerd.io

 

 

3.安裝nvidia-docker

# If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers
docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
sudo apt-get purge -y nvidia-docker

# Add the package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

# Install nvidia-docker2 and reload the Docker daemon configuration
sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

 

4.拉取鏡像(docker基本操作在第6部分)

1. 使用國內安裝好的集成環境，包括cuda+cudnn+tensorflow——gpu,示例是集成環境
   1. dockerhub地址
      1. https://hub.docker.com/r/ufoym/deepo#Quick-Start
   2. 選擇合適的標籤(我們使用的標籤爲：all-py36-jupyter等價於all-jupyter-py36)
   3. 執行命令
      1. sudo docker pull ufoym/deepo:all-py36-jupyter
2. 使用英偉達提供的docker鏡像，這裏的鏡像只安裝了cuda，可能需要自己安裝對應版本的python和tensorflow
   1. dockerhub地址
      1. https://hub.docker.com/r/nvidia/cuda

5.創建容器

1. 測試容器內的cuda是否可以連通顯卡驅動
   1. sudo docker run --runtime=nvidia --rm ufoym/deep0:all-py36-jupyter nvidia-smi
   2. 正常
   3. 報錯
      2. 解決方案
         sudo mkdir -p /etc/systemd/system/docker.service.d
         sudo tee /etc/systemd/system/docker.service.d/override.conf <<EOF
         [Service]
         ExecStart=
         ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=nvidia=/usr/bin/nvidia-container-runtime
         EOF
         sudo systemctl daemon-reload
         sudo systemctl restart docker
         sudo tee /etc/docker/daemon.json <<EOF
         {
             "runtimes": {
                 "nvidia": {
                     "path": "/usr/bin/nvidia-container-runtime",
                     "runtimeArgs": []
                 }
             }
         }
         EOF
         sudo pkill -SIGHUP dockerd
         1. 原來是nvidia-docker 沒有註冊：docker: Error response from daemon: Unknown runtime specified nvidiawhile running nvidia docke 接着尋找如何註冊： docker-engine-setup
         2. 執行以下命令進行註冊
         3. 修改配置
         4.  再去開啓鏡像，done。
2. 創建一個容器，並進去測試是否支持gpu和查看tensorflow版本
   1. sudo docker run --name py36 --runtime=nvidia -it -v /home/wjg/data:/data  ufoym/deepo:all-py36-jupyter  bash
   3. 可以看到是支持gpu的。版本爲1.8.0
3. 查看容器內的cuda版本
   1. ls /usr/local/ 可以看到爲cuda-9.0
4. 開啓容器的ssh，可以遠程連接此docker容器
   1. 以下命令在容器中執行
      1. apt-get update 
      2. apt-get install openssh-server
      3. cd /
      4. ./etc/init.d/ssh stop //停止ssh服務
      5. 修改ssh配置，允許root用戶使用密碼登錄此容器
         1. vim /etc/ssh/sshd_config
         2. 註釋掉這行：#PermitRootLogin prohibit-password 改行表示禁止root用戶使用密碼登錄
         3. 添加一條語句：PermitRootLogin yes 表示允許root用戶使用密碼登錄
      6. ./etc/init.d/ssh start //開啓ssh
      7. 修改root密碼
         1. passwd root
         2. 輸入新的密碼即可
   2. 在宿主機執行以下命令，將修改後的容器提交爲鏡像，一定要在容器運行的情況下，在宿主機執行命令
      1. docker commit -m "描述信息" -a "作者名" 容器ID 鏡像名:標籤
      2. 如docker commit -m "tf_gpu_1.8_ssh" -a "wjg" 7be82a146744 tfSSH:1.0
   3. 實例化新提交的鏡像，並映射ssh的22號端口
      1. sudo docker run --name py36SSH --runtime=nvidia -it -v /home/wjg/data:/data  -p 42022:22 tfSSH:1.0 bash
   4. 此時就可以用使用宿主機的 ip:42022登錄docker容器，也可以pycharm直接調用該容器的python解釋器。
5. ssh開機自啓動
    
   1. 在容器的/root/.bashrc下添加如下shell腳本

   2. #========================start ssh==============
      result=`ps -ef | grep ssh | grep -v "grep"`
      pattern="ssh"
      if [ "$result" = "" ];then
          echo "ssh is not running, ssh is starting......."
          if [ -f /etc/init.d/ssh ];then
              cd /etc/init.d
               ./ssh start
          else
              echo "could not find ssh in /etc/init.d/ssh"
          fi
      else
          echo "ssh is running"
      fi

       

6.docker基本操作

1. 鏡像操作

1. docker search 關鍵字   去dockerhub搜索相關鏡像
2. docker pull 鏡像名:tag   拉取鏡像，:tag是可選的，默認latest
3. docker images 查看本地所有鏡像
4. docker rmi 鏡像id 刪除本地指定鏡像
5. 容器操作

1. doker run  --name container-name  -d -it  image-name安裝docker鏡像形成容器，container-name:爲容器起個名稱，image-name：安裝哪個鏡像。
   1. -d 表示後臺運行
   2. -p 主機端口:內部端口:主機端口映射到容器內部端口
   3. -i 以交互模式運行容器，通常與-t一起使用
   4. -t 分配一個僞終端
2. docker ps 查看運行中的容器，加上-a，可以查看所有容器
3. docker stop/start container-name/container-id 啓動關閉容器
4. dicker rm container-id 刪除容器
5. docker logs container-name/container-id 容器日誌
6. docker exec -it container-name/container-id /bin/bash 以交互的方式進入一個正在運行的容器
7. docker attach container-id 以交互的方式進入一個正在運行的容器
8. docker commit -m "描述信息" -a "作者名" 容器ID 鏡像名:標籤  使一個容器變成一個鏡像(一定要在容器運行的情況下執行）
9. Ctrl+P+Q 推出容器但不關閉容器