本文前提:已經安裝了docker,nvidia-docker.
安裝mmdection,要求的環境與正在使用的cuda,python版本不同,要安裝高版本的cuda.
想到Nvidia人性化的提供了各種鏡像供我們直接下載使用。
地址:https://hub.docker.com/r/nvidia/cuda
首先,需要注意的base、runtime、devel三者的區別。
★★★ devel版本里面纔有 NVCC 編譯器 ★★★
其次,根據自己的系統、cuda、cudnn版本選擇下載。
1:打開對應鏈接,就可以看到對應的官方提供的Dockerfile文件。
2:下載該文件,並重命名爲Dockerfile.
3:修改,如下
4:到該Dockerfile所在路徑
docker build -t fcll:v0.1 .
5:其他常用操作
容器:
docker stop 容器ID 停止運行容器
docker start 容器ID 運行容器
docker ps -a 查看所有容口
docker rm 容器ID 刪除指定容器
docker logs 容器ID 查看容器日誌
docker exec -it 容器ID /bin/sh 進入到運行中的容器,cat /etc/resolv.conf 查看文件
ctrl+p+q 退出並保持運行容器
docker export 容器ID > docker_tensorflow.tar 導出容器
cat docker_tensorflow.tar | docker import - [image name]:[tag] 導入容器
鏡像:
docker images 查看所有鏡像
docker rmi -f 鏡像ID 刪除指定鏡像
docker run -d 鏡像ID 創建容器ID
docker run -p 8080:8080 -t mxnet/env 創建並運行一個容器
docker run -dti --name tensortest tensorflow/tensorflow /bin/sh ==>創建一個容器不進入
docker save 鏡像ID > 鏡像.tar ==》保存鏡像 docker save 4431ddcz7e4a > /home/docker_tensorflow.tar
docker load < 鏡像.tar ==》加載鏡像 docker load < /home/docker_tensorflow.tar
docker tag 鏡像ID 鏡像名稱 ==》起鏡像別名 docker tag 77146ca185 tensorflow:gpu 重命名
docker pull 鏡像名
docker build -t tensorflow/tensorflow . ==>生成鏡像 folder(jar包和dockerfile)
【docker volume】
sudo docker volume create --name vol_simple
–
sudo docker run -d -v /root/data: /root/data tensorflow/bin/bash
參考鏈接:
https://www.cnblogs.com/dazhoushuoceshi/p/7066041.html