is刚子

2021-11-27 14:30 联想_后端开发工程师

关注

Docker心经

以下是我在使用过程中

遇到的坑
解决的问题
一些总结

其中还有很多不足，大家可以慢慢一起完善
希望可以帮助到学弟学妹，大家一起进步一起成长

安装

建议 ubuntu16.4/18.4
安装说明自行百度不做介绍

安装docker
https://blog.csdn.net/jinking01/article/details/82490688
安装nvidia-docker 参考官方
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#installing-docker-ce

测试可用

检验cuda是否安装正确&能否被pytorch检测到

1. import torch 
1. import torchvision 
1. print(torch.cuda.is_available())

python -c "import torch;print(torch.cuda.is_available())"

测试pytorch能不能调用cuda加速

1. a = torch.Tensor(5,3)
1. a=a.cuda()
1. print(a)

python -c "import torch;print(torch.cuda.is_available());a = torch.Tensor(5,3);a=a.cuda();print(a)"

基本操作

基础命令

镜像可取docker hub 自行下载不做介绍

查看当前使用pytorch的版本
import torch
print(torch.version) #注意是双下划线

查看docker服务是否启动：
systemctl status docker

启动docker服务：
sudo systemctl start docker

查看docker版本信息
docker --version
docker version
docker info

🌈 重要的命令

加载 docker load -i name
*🔥 查看镜像 docker iamges *
** 🔥 查看容器 docker ps **
** 🔥 查看正在运行的容器 docker ps -a **
进入容器
- docker attach name
- 🔥 docker exec -it name bash 推荐这个退出容器不会停止
查看conda环境
- conda env list
- conda info --envs
激活conda环境 conda activate name
** 🔥 强制删除正在运行的容器 docker rm --force name **

将镜像导出
docker save 镜像id>~/wg/ERN.tar
docker save 镜像名称:版本号 -o /home/outpainting-wg.tar

在集群中导入镜像
docker load -i ~/wg/name
docker load < ~/wg/wg-op.tar

加载进来的镜像名称、标签均为none，修改名称与标签
docker tag eb40dcf64078 wg-op:torch1.5.0-cu101

🔥将容器打包成镜像
docker commit 容器ID 新镜像名称:版本号
如 docker commit 9e4fcf42be59 lvshasha_tensorflow
在 docker images 时就会出现 lvshasha_tensorflow 这个镜像

🔥挂载
如果挂载多个目录，-v 可以多次使用
-v /home/my:/my -v ./home/ht:ht

将本地代码文件夹传入到docker内部容器内
docker cp /home/wg/outpaiting/demo/Outpainting-master.tar.gz 容器名称:/home/wg/demo/code

🔥端口映射
**-P 本机端口:容器端口**
-p 2222:22
因为用到22端口映射所以必须***h服务
使用时通过访问服务器的2222端口来访问容器

ctrl+p+q
代码跑起来之后，ctrl+p+q 可以退出容器，但是还保持运行的状态
使用 docker attach 容器名称重新进入

创建容器
docker版本不同，调用gpu的命令不同

docker run -id --gpus all -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash

nvidia-docker run -id -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash

🎯 Pycharm远程调用docker

直接调用docker容器我们是做不到的
但是可以做到间接调用
localhost -> remote server -> docker

1. 建立容器

nvidia-docker run -id -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash

大家使用时直接将这个命令复制下来，个别原封不动，其他部分替换为自己的就可以了

2. 安装openssh-server

在远程服务器上安装openssh-server
apt update && apt install openssh-server

注意，要在两个地方安装

远程服务器
容器内

3. 建立连接

进入容器
修改SSH连接的密码
默认账户为root
passwd

容器内部重启ssh服务
service ssh restart

在服务器中测试容器与服务器上的映射是否建立
docker port <容器名字> 22
若输出，表明只要外界连接到服务器的2222端口，就会转发到容器的22端口
0.0.0.0:2222

4. 本地测试连接是否建立

ssh root@<你服务器的ip地址> -p 2222
若成功则直接连接至容器

第2，3，4步骤
在设置一次后，将该容器导出为镜像
再创建这个镜像的容器，即已经拥有ssh
只需要进入容器设置密码，重启即可，随后在pycharm设置就可以

5. 配置pycharm

配置SFTP

在导航栏中 Tools > Depolyment > Configuration中添加配置SFTP。如图
图片说明
添加配置SFTP，点击弹窗左上角的+号。选择SFTP，根据自己的实际情况进行配置。

PS：这里的root密码就是之前设置好的test

配置SFTP中的mapping

图片说明
都配置完之后。打开自动上传功能 Tools>Depolyment>Automatic Upload(always) 本地修改好代码只要按保存键就自动将本地代码上传至远程docker container中。到这里已经配置好代码的自动同步了。还差最后一步，远程调试就配置成功。

Pycharm链接远程docker container (配置远程编译器)

添加新编译器(远程docker container编译器)
图片说明
在打开的页面选择之前配置好的SFTP

通常选择完之后下面有两个选项
Create: 新建SFTP
Move: 将选择的SFTP作为编译器的SFTP
通常选择Move就好

选择你需要使用的解释器
图片说明
上面已经配置了mapping，选择了move之后，项目位置就会自动映射。

完结🎉

补充知识

linux操作

查看 CUDA 版本：
cat /usr/local/cuda/version.txt

查看 CUDNN 版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

统计文件夹下文件个数，包括子文件
ls -lR | grep "^-"| wc -l

统计文件夹中目录个数
ls -l ./|grep "^d"|wc -l

判断是否有网
集群本地 ping www.baidu.com
容器内部 curl www.baidu.com

Linux 删除目录
rm -rf xxx 递归删除目录的所有文件

编辑文件的两种方式
gedit
vim

*查看线程命令 *
ps -aux

*杀死线程命令 *
kill pid

SCP
***h的scp服务传输文件
sudo scp /home/outpainting-wg.tar kWang1@172.31.151.24:/
scp ERN.tar yzKe1 @172.31.151.32:/wg/

拷贝/移动文件
cp hello.csv ./python/ml：把当前目录的hello.csv拷贝到当前目的python文件夹里的ml文件夹里
mv hello.csv ./python：把当前目录的hello.csv剪切到当前目的python文件夹里
cp -r /usr/wg/ /usr/wgg/ 将/usr/wg目录中所有文件及其子目录拷贝到/usr/wgg中

conda配置

更换conda源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda下载pytorch巨慢是因为国内镜像源不支持conda 但是最新发现清华源已经支持了，需要额外添加pytorch的库，否则找不到
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

安装 conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2 -c pytorch
但是一定要去掉后面的 -c pytorch。因为命令最后是-c pytorch，所以默认还是从conda源下载，新安装的清华等源没有用上

查看conda 配置
conda config --show

设置搜索时显示通道地址
conda config --set show_channel_urls yes

pip配置

更换pip源
临时使用 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas

豆瓣
https://pypi.doubanio.com/simple/
阿里云
https://mirrors.aliyun.com/pypi/simple/
清华大学
https://pypi.tuna.tsinghua.edu.cn/simple/
https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

临时使用
pip install some-package -i https://mirrors.aliyun.com/pypi/simple/

设为默认#
升级 pip 到最新的版本后进行配置
pip install pip -U
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

安装opencv

*安装opencv-contrib-python *
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
后

若出现
ImportError: libGL.so.1: cannot open shared object file: No such file or directory
则
apt-get update
apt-get install -y libgl1-mesa-dev

ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory
则
apt-get update
apt-get install libglib2.0-dev

ImportError: libSM.so.6: cannot open shared object file: No such file or dir
apt-get install libsm6

如果你出现了上面的错误，那你很大概率也会遇到下面的问题，
ImportError: libXrender.so.1: cannot open shared object file: No such file or directory
apt-get install libxrender1

ImportError: libXext.so.6: cannot open shared object file: No such file or directory
apt-get install libxext-dev

更换镜像的python版本

如果拉取的镜像中是python3.5版本但是实际需要3.6版本
拉取tf镜像
创建容器
相关连接
https://blog.csdn.net/th_num/article/details/82804392
https://blog.csdn.net/weixin_43802384/article/details/90040968
https://blog.csdn.net/weixin_42259631/article/details/82818058
https://www.jianshu.com/p/2a5cd519e583?tdsourcetag=s_pcqq_aiomsg
https://blog.csdn.net/weixin_30300523/article/details/101772159?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~~all~~sobaiduend~default-1-10***59.nonecase&utm_term=%E5%8D%87%E7%BA%A7docker%E4%B8%AD%E7%9A%84python%E7%89%88%E6%9C%AC&spm=1000.2123.3001.4430

使用这个PPA源
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update
sudo apt install python3.6 python3.6-dev -y

修改python命令默认指向python3.6：
（1）查看默认python指向：
sudo ls -l /usr/bin | grep python
（2）删除原有python软连接
sudo rm /usr/bin/python
建立python到python3.6新的软链接
sudo ln -s /usr/bin/python3.6 /usr/bin/python
(4) ubuntu 安装pip：直接安装python3版本pip
sudo apt-get install python3-pip ---这里也有个小坑！如果你写的是python3-pip 执行安装后，如果系统自带了python3.5，其实pip这时是装在了python3.5环境下了！！！
sudo apt-get install python3.6-pip ---正确的指定方式，应该把小版本号也加上！
(5) 建立pip到pip3的软连接
sudo ln -s /usr/bin/pip3 /usr/bin/pip

如果执行apt-get install python3.6-pip 报错
则安装新的pip
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
如果安装到python下就是
python get-pip.py --force-reinstall
如果安装到python3下就是
python3 get-pip.py --force-reinstall
成功
但这时，安装的pip是一个新的pip，替代了之前镜像中自带的pip中已经下好的东西
现在的pip是一个全新的环境，需要自己全部添加需要的环境

撒花🎉
希望可以帮助到大家
不好之处多多包涵

最后欢迎订阅～
👩‍💻 公众号：后端开发充电宝（刚开，可以先mark一下）
✍️ 我的所有：https://www.yuque.com/wgg

#学习路径#