在服务器的docker里装anacond3深度学习环境的全流程基础向-Toy模板网

这篇具有很好参考价值的文章主要介绍了在服务器的docker里装anacond3深度学习环境的全流程基础向。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

背景：

实验室给我分配了一个服务器已经装好了docker 和nvidi docker 。现在我的目标是创建我自己的docker 然后在我自己的docker里装上anaconda环境。我以前从没用过linux。所以对这一切都是迷迷茫茫不知其所以然。所以一些拙见还请不要见笑。也是整合了很多大佬的。（我是挂了VPN的，所以没有用过国内镜像，如果你发现哪里下不动东西了可以搜搜怎么加入国内镜像源）

我的理解 docker 就是一个操作系统的模板。然后在服务器输入

建docker

docker images

在服务器的docker里装anacond3深度学习环境的全流程基础向

可以看到很多镜像这些镜像就是一个又一个的模板。然后你可以使用这些模板创建自己的操作系统。使用

在服务器的docker里装anacond3深度学习环境的全流程基础向

docker ps -a

可以看到正在运行的容器。什么叫做容器，就是根据模板（镜像）创建的一个操作系统，不同的容器之间互不干扰罢了。

使用docker run命令可以启用一个容器

之后你所有的操作就相当于在你自己的电脑里玩了。

等等，我们还没有创建自己的docker呢。首先我们要下一个自己喜欢的模板。

创建流程很长这里有b站小姐姐做的一个视频可以参考。

https://www.bilibili.com/video/BV1bk4y1B7T5?from=search&seid=5835754095686451740&spm_id_from=333.337.0.0

下面是文字版，也即我的步骤

1，查看ubuntu版本，根据自己版本选镜像。

lsb_release -a

我们做的就是取hub.docker.com这个网站上找到自己喜欢的docker版本。docker版本其实就是别人写好的一些模板，跟ppt模板一样，我们先下下来然后自己修修改改变成自己的模板。模板有各个方向的，我们深度学习肯定要挑关于cuda的。点explore 搜nvidia 进入nvidia/cuda 在tag搜索自己的cuda版本我用的是11.0-cudnn8 - runtime - ubu16.04 下图只是示例

在服务器的docker里装anacond3深度学习环境的全流程基础向

复制后面那个pull到服务器窗口就可以创建一个 docker了。有dockers就可以启动什么的了。

这里我们只是拉下来了一个镜像，相当于一个模板之后我们要根据模板创建自己的docker。

创建并启用容器



docker run --gpus all -d -p 0.0.0.0:10790:22 -it --name=你想起的镜像名字 -v 主机文件夹:容器文件夹 容器编号  /bin/bash

--gpus 表示使用主机所有的显卡。-v表示一个挂载文件夹主机和docker可以共享这个文件夹。示例：

docker run --gpus all -d -p 0.0.0.0:10790:22 -it --name=cuda8torch_li -v /home:/home dc5221f05596 /bin/bash

输入 docker ps -a

在服务器的docker里装anacond3深度学习环境的全流程基础向

看到刚才创建的镜像。

可以用docker attach + 容器的id进入容器。

在服务器的docker里装anacond3深度学习环境的全流程基础向

注意前面的名字了有个@+容器id。

进行基础的网络安装： ping config

apt-get update
apt install net-tools        # ifconfig 
apt install iputils-ping     # ping

进入我们自己的docker 看看各个文件夹，发现啥也没有因为是我们自己的新电脑嘛。我们就要开始装anaconda3了。

装conda

取conda官网找自己喜欢的安装包

https://repo.anaconda.com/archive/

我选的是

https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh

所以输入命令（先安装wget）

apt-get install -y wget

wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh

安装解压程序

apt-get install bzip2

找到自己的anacnoda安装包位置好像在home里要不然就是root里？？

然后输入命令

chmod +x Anaconda3-5.3.0-Linux-x86_64.sh

./Anaconda3-5.3.0-Linux-x86_64.sh

回车，一直yes 不过vscode可装可不装自己看着办

然后输入conda -V 看看是不是显示

conda不是啥命令 没听说过 。

说明没配置好环境变量找到你的安装目录。把安装目录下的conda所在文件夹放到环境变量去。

比如我的conda在home里就是下面这句命令啦

export PATH=$PATH:/home/anaconda3/bin

source ~/.bashrc

保存后再来成啦！说明conda安装成功了而且设置好了环境变量。

在服务器的docker里装anacond3深度学习环境的全流程基础向
也可以同时创建一个软连接：因为bin本身就是环境变量


ln -s /root/anaconda3/bin/python /bin/anaconda3

删除自己的conda安装包：


(base) root@60a197e8a57f:/# rm -rf /home/Anaconda3-5.3.0-Linux-x86_64.sh

配置自己的环境

先创建一个 li_3_8是我自己的环境名字

conda create -n li_3_8 python=3.8

激活创建的环境

conda activate li_3_8

在服务器的docker里装anacond3深度学习环境的全流程基础向

看到本来是root 前面带了li_3_8 说明我们在这个环境里了

去torch官网找适配自己cuda版本的torch

https://pytorch.org/get-started/previous-versions/

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

我的是上面这个版本输入回车

这一步比较慢我这篇文章都快写完了 torch还是没装完。

可以搜搜换源的方法，把源换成国内源什么清华源什么的我懒得换了去吃个饭正好等等他。

安装好torch了其他的都类似。

容器固化：

安装好环境我们考虑将容器固化（不固化也可以，这步可以跳过。）

我们知道模板才是永久的容器停了就没了所以将容器变成模板以后用这个带环境的模板就好

ctrl +d 退出容器

然后 docker ps -a 看容器列表

在服务器的docker里装anacond3深度学习环境的全流程基础向

docker commit 容器id dock名字:标签

在服务器的docker里装anacond3深度学习环境的全流程基础向

可以得到新的模板docker

在服务器的docker里装anacond3深度学习环境的全流程基础向

如果你想继续用刚才那个退出的容器就

docker start id
docker attach id

在服务器的docker里装anacond3深度学习环境的全流程基础向

PYcharm连接：

至此环境安装完毕。后面是如何在PYcharm连接这个容器使用此容器的环境。，

1 启动容器使用服务器的22端口如果你刚才也用的下面这句启动的容器就不用新建容器啦 start attach 进入容器即可。主要是端口设置（如果没设置端口使用我们刚才固化的那个镜像新建容器）



docker run --gpus all -d -p 0.0.0.0:10790:22 -it --name=你想起的镜像名字 -v 主机文件夹:容器文件夹 容器编号  /bin/bash

2 更新apt 安装ssh 和vim

apt-get update

apt-get install openssh-server

apt-get install vim

3 用vim打开配置文件并修改

vim /etc/ssh/sshd_config 打开sshd_config配置文件

0：打开文件后 按o键 就可以修改啦  下面会出现一个insert标志
1. 找到PermitRootLogin prohibit-password这一行，修改为PermitRootLogin yes，允许通过ssh远程访问docker
2. 找到Port这一行，设置远程连接服务的端口号， 就是刚才的22，可以修改为一个认为合适的端口号, 不改也可以。

修改完毕后 按esc  insert标志消失   之后输入  :wq 回车  （注意冒号一定要打）

在服务器的docker里装anacond3深度学习环境的全流程基础向