我要评论首先要理解docker的基本使用，本文不做过多阐述，博主也对docker没有了解透彻。
这里列一下docker的基本命令：
docker info # 查看docker信息
docker -v # 查看docker版本
docker images # 查看docker所有的镜像
docker ps -a # 查看docker所有的容器
docker rm ${容器id} # 删除容器
docker rmi ${镜像id} # 删除镜像 -f:强制删除；
docker cp ${本地文件的路径} ${容器id}:${容器内文件路径} # 传输文件，宿主机->容器
docker cp ${容器id}:${容器内文件路径} ${本地文件的路径} # 传输文件，容器->宿主机
docker start ${容器名} # 启动容器
docker attach ${容器名} #进入容器
docker stop ${container id} # 根据容器id终止运行的容器
ctrl+d # 退出容器
ctrl+p+q # 退出容器而不关闭
docker rename ${旧的容器名} ${新容器名} # 修改容器名字
docker tag ${旧的容器id\旧的镜像名} ${新的镜像名}
docker commit -m ${备注信息} ${容器id/容器名} ${新的镜像名}:${新的镜像tag} # 修改完容器中内容，保存为新的镜像
docker save -o ${目标文件} ${镜像名}:${镜像tag} # 镜像导出
docker save -o nginx.tar nginx:latest # 样例，其中-o和>表示输出到文件，nginx.tar为目标文件，nginx:latest是源镜像名（name:tag）
docker load -i ${目标文件} # 镜像导入
docker load -i nginx.tar # 样例， 其中-i和<表示从文件输入。会成功导入镜像及相关元数据，包括tag信息
docker run --name=${容器名} --ipc=host -it --gpus all -p ${主机端口}:${容器端口} --cpu-shares 1024 -v ${主机文件夹}:${容器文件夹} ${repository}:${tag} /bin/bash
docker run --name=mmdet --ipc=host -it --gpus all -p 7777:8888 --cpu-shares 1024 -v /home/gy77:/workspace/ pytorch/pytorch:1.12.0-cuda11.3-cudnn8-devel /bin/bash
# --name: 容器名
# --ipc=host: 容器间共享宿主机的内存
# -i: 交互式操作。
# -t: 终端。
# --gpus all ：启动所有的gpu
# detrex:v1: 这是指用 ubuntu 15.10 版本镜像为基础来启动容器。
# --cpu-shares 1024 : 设置容器按比例共享cpu资源(容器a是1024，容器b是2048，则是按照1:2)
# /bin/bash：放在镜像名后的是命令，这里我们希望有个交互式 shell，因此用的是 /bin/bash。
# docker增加非管理员的权限
cho $user
sudo gpasswd -a $user docker
newgrp docker
docker 添加国内镜像源
ubuntu:
vim /etc/docker/daemon.json
内容如下：
{
"registry-mirrors": [
"http://hub-mirror.c.163.com",
"https://docker.mirrors.ustc.edu.cn",
"https://registry.docker-cn.com"
]
}
service docker restart # 重启docker
docker info # 验证是否成功
封装项目
本文以detrex项目为例，讲解如何把一个项目封装进docker以便更好的转移。
1️⃣ 拉取pytorch镜像
ptorch镜像网址：https://hub.docker.com/r/pytorch/pytorch/tags
去找一个适合自己的pytorch版本镜像，拉取到本地。这里博主拉取 pytorch:1.12.0-cuda11.3-cudnn8-devel 。可以看到是对应的cuda11.3版本，在宿主机（也就是服务器）中安装的cuda版本最好一致。
⚠️ 值得注意的是，我们要拉取结尾为devel 的镜像。
docker pull pytorch/pytorch:1.12.0-cuda11.3-cudnn8-devel
2️⃣ 创建容器
拉取完毕后，我们可以用docker images 命令查看一下，创建容器
gy77@ecs-yd24:~$ docker images
repository tag image id created size
pytorch/pytorch 1.12.0-cuda11.3-cudnn8-devel 43a3ceca55fd 8 months ago 14.1gb
根据自己的需求创建容器：
docker run --name=${容器名} --ipc=host -it --gpus all -p ${主机端口}:${容器端口} --cpu-shares 1024 -v ${主机文件夹}:${容器文件夹} ${repository}:${tag} /bin/bash
# 例子：
docker run --name=detrex --ipc=host -it --gpus all -p 7777:8888 --cpu-shares 1024 -v /home/gy77:/workspace/ pytorch/pytorch:1.12.0-cuda11.3-cudnn8-devel /bin/bash
# --name: 容器名
# --ipc=host: 容器间共享宿主机的内存
# -i: 交互式操作。
# -t: 终端。
# --gpus all ：启动所有的gpu
# detrex:v1: 这是指用 ubuntu 15.10 版本镜像为基础来启动容器。
# --cpu-shares 1024 : 设置容器按比例共享cpu资源(容器a是1024，容器b是2048，则是按照1:2)
# /bin/bash：放在镜像名后的是命令，这里我们希望有个交互式 shell，因此用的是 /bin/bash。
3️⃣ 连接容器
创建容器后，我们就可以在另一个终端中利用 dockers ps -a 命令看到已启动的容器。
如果想让一个新的终端窗口进入容器，使用docker attach命令（容器启动的情况下），容器未启动的情况下，先启动容器。
docker start ${容器名} # 启动容器
docker attach ${容器名} # 连接容器
4️⃣ 在容器中搭建我们项目的环境。
⭐️ 每个人的项目不一致，这里就需要自己在容器中搭建自己的项目环境了。
# 基础的ubuntu软件包先更新一下：
apt update
# 搭建项目环境（detrex为例）：
cd /workspace
git clone https://github.com/idea-research/detrex.git
cd detrex
git submodule init
git submodule update
python -m pip install -e detectron2
pip install -e .
# 测试推理你的项目
cd detrex
# download pretrained dino model
wget https://github.com/idea-research/detrex-storage/releases/download/v0.2.1/dino_r50_4scale_12ep.pth
# download the demo image
wget https://github.com/idea-research/detrex-storage/releases/download/v0.2.1/idea.jpg
# 验证gpu
python demo/demo.py --config-file projects/dino/configs/dino_r50_4scale_12ep.py \
--input "./idea.jpg" \
--output "./demo_output.jpg" \
--opts train.init_checkpoint="./dino_r50_4scale_12ep.pth"
5️⃣ 将容器打包为镜像。
docker commit -m ${备注信息} ${容器id/容器名} ${新的镜像名}:${新的镜像tag} # 修改完容器中内容，保存为新的镜像
6️⃣ 镜像导出和导入
docker save -o ${目标文件} ${镜像名}:${镜像tag} # 镜像导出
docker save -o detrex_img.tar detrex:latest # 样例，其中-o和>表示输出到文件，nginx.tar为目标文件，nginx:latest是源镜像名（name:tag）
docker load -i ${目标文件} # 镜像导入
docker load -i detrex_img.tar # 样例， 其中-i和<表示从文件输入。会成功导入镜像及相关元数据，包括tag信息
发表评论