目录

1 安装docker和配置镜像源

 2 下载基础镜像

 3 通过镜像创建容器

4 制作项目所需的容器

5 容器制作好后打包为镜像

6 镜像备份为.tar文件

7 从其他服务器上恢复镜像

8 docker的其他常用指令

首先科普一下镜像、容器和实例；

镜像：相当于安装包；

容器：相当于系统，比如windows、mac、Linux系统；（容器也由镜像得来）容器可以被创建、启动、停止、删除、暂停等。

实例：就是在容器上进行自己的个性化；

1 安装docker和配置镜像源

（1）官网教程： Install Docker Desktop on Linux

（2）中文教程：Ubuntu - Docker — 从入门到实践 

本人是按照中文教程安装的docker；

（3）安装完后，为docker配置镜像加速器，就是进入一个json文件：

vim /etc/docker/daemon.json

在文件中写入镜像URL：

{"registry-mirrors": ["https://hub-mirror.c.163.com","https://mirror.baidubce.com"]
}

之后重新启动服务：

$ sudo systemctl daemon-reload
$ sudo systemctl restart docker

配置镜像源网址：镜像加速器 - Docker — 从入门到实践

或者使用：docker 设置国内镜像源_docker国内镜像库_whatday的博客-CSDN博客

 2 下载基础镜像

这是一种比较简单的制作容器的方式：这里演示制作Linux, cuda对应的镜像；

（1）要进行镜像拉取，就是将Linux的这个镜像从网站上下载下来，尽量比你服务器的版本低一点

镜像拉取网址：GitHub - cnstark/pytorch-docker: Pure Pytorch Docker Images.

        这个网址展示：

         选择你需要用的版本（选带devel的 ，会更大 ，里面东西更全 ，更好用），复制后面的指令到Linux终端就🉑️；

                选取需要用的版本的方式：

                        (1)查看系统版本：

lsb_release -a

                截图展示：

                 （2）查看cuda版本：

nvidia-smi

                截图展示：

         那么就可以选取 cuda为11.4或者小于11.4的版本，系统选ubuntu为18.04的就可以。

另一个官方的镜像拉取网址：Docker

        该网址界面展示：

         要使用GPU的话，需要安装带cudnn的，根据本身服务器的系统，选择低于服务器版本的，也选择带devel的；同样复制后面的指令到服务器终端就可以；

（2）拉取指令花费时间较长，拉取完后可以通过：

docker images

通过这个指令查看是否成功将镜像拉取下来；

截图展示：

 3 通过镜像创建容器

（1）通过下面这个指令创建容器：

docker run -it --name 容器名字 --gpus all 刚刚下载的那个镜像

        -it, --name, --gpus都是参数，关于参数的解释可以查看：Docker run 命令 | 菜鸟教程

        -it 一般都写；

        --name 后面是你想要给容器起的名字；

        --gpus all 你想要容器使用服务器上的gpu 这个就一定要写；

指令案例：

docker run -d -it --name test --gpus all  11.3.1-cudnn8-devel-ubuntu18.04

 （2）创建完容器就直接进入容器里了

        （1）若想从容器推出： 按键： ctrl+P+Q -- 就可以退出容器，但是没有关闭容器；-- 若想再进入容器，输入指令：

docker attach test(容器名)

        （2）若直接输入: exit，就关闭容器了，但是没有将容器删除； -- 若想再进入容器，需要重启容器：

docker restart test(容器名)

        重启之后再进入，还是输入指令：

docker attach test(容器名)

(3) 查看容器是否创建成功的指令（需要先退出容器）：

docker ps

        上述的指令是只可以看到还在运行的容器；

若还想看到关闭的容器，输入指令：

docker ps -a

截图展示：

 （4）测试容器能不能使用gpu，在容器中输入指令

nvidia-smi

如果类似下图的显示：

 证明是可以正常使用gpu的，但是如果识别不了这个指令，需要进行如下操作（我当时就识别不了）

        （1）需要为服务器安装nvidia驱动；当时的参考链接是：安装NVIDIA 驱动及nvidia-docker环境_docker 安装 nvidia 驱动_陶表犁的博客-CSDN博客

        （2）安装完重启服务器，重启docker；

        指令输入：

nvidia-docker

        若显示：

                 表示安装成功

        重启docker的指令为：

sudo systemctl restart docker

        （3）再进入容器输入nvidia-smi就可以成功显示了；

4 制作项目所需的容器

（1）上面展示的过程只是下载了一个基础的镜像，使用镜像创建了容器，但这个容器中什么都没有，需要为这个容器安装项目所需要的依赖包；

（2）首先要从你的项目中导出依赖包：

        两种方式：

                导出当前环境的依赖包：

pip freeze > requirements.txt

                导出项目的依赖包：

pipreqs ./

        具体不清楚的请看：Python导出当前环境依赖包及项目依赖包_YePeanut的博客-CSDN博客 

（3）将requirements.txt文件移动到镜像下，移动方式：

docker cp 项目中requirements.txt的路径 容器名:容器内存放requirements,txt的文件路径

指令案例：

docker cp /mnt/qqq/requirements.txt test:/FID/

(4) 依赖包文件移动到容器中后，需要安装这些依赖包，安装指令：

pip install -r /FID/requirements.txt

但是我安装的时候出现了很多问题，首先是pip指令没有，解决方案：

        首先输入指令：

apt-get update

        然后输入：

apt-get upgrade

        再安装：

apt-get install python3-pip

        这样就能安装上pip3，之后再用pip装其他的包就可以啦。

（5）容器中包含文件的截图（就是一个小的linux系统）

5 容器制作好后打包为镜像

（1）个人个性化的容器制作好，就可以打包为镜像，在其他服务器上安装使用了

（2）打包为镜像的指令：

docker commit [-m="提交的描述信息"] [-a="创建者"] 容器名称|容器ID 生成的镜像名[:标签名]

指令案例：

docker commit test fid

上面的参数部分可以不写；

（3）查看镜像是否制作好，输入指令：

docker images

        截图展示：

         这便制作好了一个名字为“fid”的镜像；

6 镜像备份为.tar文件

（1）使用.tar文件在其他服务器上获取你制作的这个镜像；

（2）备份指令：

docker save -o 保存的PathName 镜像名:标签

指令案例：

docker save -o /mnt/qqq/FID.tar fid

（3）将备份文件下载到本地，以备后续使用；

7 从其他服务器上恢复镜像

docker load -i 镜像备份文件

后续的步骤和上面就一样啦；

变为容器、容器中传入要用的代码；

8 docker的其他常用指令

删除容器：

docker rm 容器名

删除镜像：

docker rmi 镜像ID

 查看容器占有磁盘大小：

docker system df

查看每个镜像、容器的大小：

docker system df -v

查看docker信息：

docker info

上述内容为个人理解，个人总结，（搞了两整天才理解成这样），大家参考参考，轻点喷，有问题咱们评论区一起探讨！！