docker安裝

以下來自阿里雲映象站: Ubuntu 14.04/16.04（使用 apt-get 進行安裝）

# step 1: 安裝必要的一些系統工具
sudo apt-get update
sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common
# step 2: 安裝GPG證書
curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
# Step 3: 寫入軟體源資訊
sudo add-apt-repository "deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"
# Step 4: 更新並安裝Docker-CE
sudo apt-get -y update
sudo apt-get -y install docker-ce

# 安裝指定版本的Docker-CE:
# Step 1: 查詢Docker-CE的版本:
# apt-cache madison docker-ce
#   docker-ce | 17.03.1~ce-0~ubuntu-xenial | https://mirrors.aliyun.com/docker-ce/linux/ubuntu xenial/stable amd64 Packages
#   docker-ce | 17.03.0~ce-0~ubuntu-xenial | https://mirrors.aliyun.com/docker-ce/linux/ubuntu xenial/stable amd64 Packages
# Step 2: 安裝指定版本的Docker-CE: (VERSION例如上面的17.03.1~ce-0~ubuntu-xenial)
# sudo apt-get -y install docker-ce=[VERSION]
 

新增使用者組，不需要再輸入sudo

參考資料：docer docs: linux-postinstall

sudo groupadd docker
# 新建docker使用者組
sudo usermod -aG docker $USER
# 把上面的 $user 替換為你的使用者名稱
newgrp docker
# 更新使用者組
docker run hello-world
# 測試一下

Note:

1. If testing on a virtual machine, it may be necessary to restart the virtual machine for changes to take effect.(如果是在虛擬機器中，有必要重啟虛擬機器)

2. On a desktop Linux environment such as X Windows, log out of your session completely and then log back in.(在桌面Linux系統中，完全登出會話並重新登入)

3. 如果不想重啟系統還可以試試這個: sudo systemctl restart docker，來自stackoverflow: How to fix docker: Got permission denied issue
   

4. 終極解決方案：sudo reboot

搭建tensorflow-gpu docker環境

1. 配置nvidia-docker

   # $distribution是作業系統版本，如 ubuntu16.04
   curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
   curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
   sudo apt-get update
   sudo docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
   # 測試安裝
   
   docker pull tensorflow/tensorflow:1.15.4-gpu-py3
   #拉取tensorflow1.15.4 gpu版
   

2. 啟動docker

   docker run -it -p 8022:22 --ipc host --name docker_example --gpus all tensorflow/tensorflow:1.15.4-gpu-py3 /bin/bash
   

   -i 表示 Allocate a pseudo-tty
   -t 表示 Keep STDIN open even if not attached
   -p 表示對埠號進行對映，即將 docker 容器的 22 號埠對映到宿主機的 8022 埠，這樣設定的目的是方便後續使用 VSCode 連線容器，可以根據需要進行設定（如果要連線多個container，可以把8022改成別的埠）
   -ipc host 的目的是為了增加主機與容器共享記憶體用的，如果這個引數報錯，還可以採用--shm-size引數
   --name docker_example 是將容器命名為 docker_example，docker 有長id、短id、name三個標識，如果不指定名稱則會隨機名稱
   --gpus all 是使用全部宿主機 GPU，這裡的設定可以參考 nvidia-docker 的 Usage 具體設定使用哪個卡（深度學習要注意這裡）

   1. -v /path:/path/in/container 這是將宿主機的/path目錄與容器的/path/in/container目錄掛載
   2. -v path:/path/in/container 這段語句的意思是在容器裡掛載名為path的卷，它的存放位置是/path/in/container

   tensorflow/tensorflow:1.15.4-gpu-py3 是指定使用的映象版本，這裡的版本可以在 docker-hub 查到

   Note：這裡要指定--gpus all否則無法呼叫GPU
   參考資料：知乎: Docker+VSCode配置屬於自己的煉丹爐

3. 在docker中安裝ssh並在外部使用ssh登入

   mkdir /var/run/sshd
   echo 'root:passwd' | chpasswd
   # 這裡使用你自己想設定的使用者名稱和密碼`（這裡是passwd）`，但是一定要記住！
   sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_config
   sed 's@session\s*required\s*pam_loginuid.so@session optional pam_loginuid.so@g' -i /etc/pam.d/sshd
   echo "export VISIBLE=now" >> /etc/profile
   service ssh restart
   

   在宿主機上測試

   sudo docker port [your_container_name] 22
   # 如果前面的配置生效了，你會看到如下輸出
   # 0.0.0.0:8022
   

   在本地上測試
   ssh root@[your_host_ip] -p 8022
   如果成功登入的話說明docker已經設定好了

4. 由container匯出image

   docker commit -m="has update" -a="runoob" e218edb10161 runoob/ubuntu:v2
   

   -m: 提交的描述資訊

   -a: 指定映象作者

   e218edb10161：容器 ID(就是進入bash之後的root@a692e18a2e56中的a692e18a2e56)

   runoob/ubuntu:v2: 指定要建立的目標映象名

Ubuntu，pip，anaconda換源

1. Ubuntu
   Aliyun開源映象站: Ubuntu映象
   編輯/etc/apt/sources.list

   deb http://mirrors.aliyun.com/ubuntu/ xenial main
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial main
   
   deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main
   
   deb http://mirrors.aliyun.com/ubuntu/ xenial universe
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial universe
   deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
   
   deb http://mirrors.aliyun.com/ubuntu/ xenial-security main
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main
   deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
   deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security universe
   

2. pip

   #建立目錄
   mkdir -p ~/.pip
   #修改配置檔案
   vim  ~/.pip/pip.conf #windows下是pip.ini
   #寫入以下內容並儲存
   [global]
   index-url = https://mirrors.aliyun.com/pypi/simple/
   

3. anaconda

   channels:
   - defaults
   show_channel_urls: true
   channel_alias: https://mirrors.bfsu.edu.cn/anaconda
   default_channels:
   - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
   - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
   - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
   - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
   - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
   custom_channels:
   conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
   msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
   bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
   menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
   pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
   simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
   

   conda 匯入匯出環境

   conda env export > py36.yaml #匯出當前環境至py36.yaml
   conda env create -f py36.yaml #從py36.yaml匯入