深度学习环境配置系列文章目录

第一章 专业名称和配置方案介绍
第二章 Anaconda配置Python和PyTorch
第三章 配置VS Code和Jupyter的Python环境
第四章 配置Windows11和Linux双系统
第五章 配置Docker深度学习开发环境

---

---

前言

Docker是一个开源的应用容器引擎，可以让开发者打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器或Windows机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。

在深度学习开发环境中使用Docker具有很多优势：

一致性：Docker可以确保在不同的计算机上运行相同的软件配置，从而避免了"在我的机器上可以运行"这种常见问题。这对于深度学习研究和开发尤其重要，因为深度学习库和工具经常更新，不同版本之间可能存在兼容性问题。

可重复性：使用Docker，你可以创建一份配置文件（Dockerfile），它描述了你的软件依赖关系和配置。这意味着任何人都可以复制你的环境，而不需要了解所有底层的细节。这对于协作和公开研究成果非常有用。

隔离性：Docker容器在运行时是相互隔离的。这意味着你可以在同一台机器上运行不同的项目，而不用担心他们的依赖关系会相互干扰。

易于部署：Docker使得在新的硬件或云环境上部署深度学习模型变得简单。你只需要将Docker容器移动到新的环境中，而不需要重新配置整个系统。

资源管理：Docker允许你限制容器的资源使用（如CPU、GPU和内存），这对于在有限的硬件资源上运行深度学习任务非常有用。

因此，配置Docker深度学习开发环境是一个非常重要的步骤，它可以提高开发效率，确保研究的可重复性，简化部署过程，并有效地管理硬件资源。

---

一, Docker安装的先决条件

• 确保计算机运行的是 Windows 10（已更新到版本 2004 的内部版本 18362 或更高版本）。
• 安装 WSL，并为在 WSL 2 中运行的 Linux 发行版设置用户名和密码。注意：Docker的命令行必须在Linux终端中执行，这是为什么要配置双系统的原因。
• 安装 Visual Studio Code（可选）。 这将提供最佳体验，包括能够在远程 Docker 容器中进行编码和调试并连接到 Linux 发行版。

二, 安装 Docker Desktop

借助 Docker Desktop for Windows 中支持的 WSL 2 后端，可以在基于 Linux 的开发环境中工作并生成基于 Linux 的容器，同时使用 Visual Studio Code 进行代码编辑和调试，并在 Windows 上的 Microsoft Edge 浏览器中运行容器。

若要安装 Docker（在已安装 WSL 之后）：

1. 下载Docker Desktop 并按照安装说明进行操作。

2. 安装后，从 Windows 开始菜单启动 Docker Desktop，然后从任务栏的隐藏图标菜单中选择 Docker 图标。 右键单击该图标以显示 Docker 命令菜单，然后选择“设置”。

3. 确保在“设置”>“常规”中选中“使用基于 WSL 2 的引擎”。

4. 通过转到“设置”>“资源”>“WSL 集成”，从要启用 Docker 集成的已安装 WSL 2 发行版中进行选择。

5. 若要确认是否已安装 Docker，请打开 WSL 发行版（例如 Ubuntu），并通过在Linux终端输入 docker --version 来显示版本和内部版本号

三, 拉取Docker镜像

开启WSL终端，输入nvidia-smi，查看自己的cuda版本号

进入下述连接官方docker镜像库，

按如下图的操作拉取docker官方提供的深度学习镜像。

可能网速有些慢，不过网上有换源加速的方法，需要的话自行参考。

完成镜像拉取后，输入命令 docker images 就可以看到刚刚拉到本地的镜像了。

四，Docker的终端使用快速入门

4.1镜像的使用

当运行容器时，使用的镜像如果在本地中不存在，docker 就会自动从 docker 镜像仓库中下载，默认是从 Docker Hub 公共镜像源下载。

下面我们来学习：

1、管理和使用本地 Docker 主机镜像
2、创建镜像

4.1.1列出镜像列表

我们可以在终端中使用 docker images 来列出本地主机上的镜像。

各个选项说明:

• REPOSITORY：表示镜像的仓库源

• TAG：镜像的标签

• IMAGE ID：镜像ID

• CREATED：镜像创建时间

• SIZE：镜像大小

4.1.2获取一个新的镜像

当我们在本地主机上使用一个不存在的镜像时 Docker 就会自动下载这个镜像。如果我们想预先下载这个镜像，我们可以使用 docker pull 命令来下载它。下载完成后，我们可以直接使用这个镜像来运行容器。

4.1.3删除镜像

镜像删除使用 docker rmi 命令，比如我们删除 hello-world 镜像：

docker rmi hello-world

4.1.4创建镜像

当我们从 docker 镜像仓库中下载的镜像不能满足我们的需求时，我们可以通过以下两种方式对镜像进行更改。

1、从已经创建的容器中更新镜像，并且提交这个镜像
2、使用 Dockerfile 指令来创建一个新的镜像

这里只详细介绍第一种：

第一步，在运行的容器内使用 apt-get update 命令进行更新。 在完成操作之后，输入 exit 命令来退出这个容器。 此时，下面示例中 ID 为 e218edb10161 的容器，是按我们的需求更改的容器。我们可以通过命令 docker commit 来提交容器副本。

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

上述代码中，各个参数说明：

• -m: 提交的描述信息

• -a: 指定镜像作者

• e218edb10161：容器 ID

• diantou/ubuntu:v1: 指定要创建的目标镜像名和标签

完成后，我们可以使用 docker images 命令来查看我们的新镜像 diantou/ubuntu:v1
可以使用我们的新镜像 diantou/ubuntu:v1 来启动一个容器

docker run -t -i runoob/ubuntu:v2 /bin/bash            

设置镜像标签
此外，我们可以使用 docker tag 命令，为镜像添加一个新的标签。

4.2容器的使用

4.2.1启动容器

以下命令使用 ubuntu 镜像启动一个容器，参数为以命令行模式进入该容器：

docker run -it --gpus all --shm-size 128G -v /data1:/data1 -v /data2:/data2 -d --name arwin_cv IMAGE /bin/bash

参数说明：

–gpus all：参数指定使用所有gpu
–shm-size: 参数允许您指定可供容器使用的共享内存。它提供了更高的分配内存访问权限,从而让内存密集型容器能够更快地运行。
-v：挂载目录,这个一般是将宿主机的代码目录及一些配置文件,挂载到容器内部。
-i: 交互式操作。
-t: 终端。
IMAGE: 替换为ubuntu 镜像名称。
/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。

其他参数具体含义见链接参数解释

启动已停止的容器使用命令：

docker start <容器 ID>

4.2.2进入容器

进入容器，可以通过以下指令进入：

docker attach

docker exec：推荐大家使用 docker exec 命令，因为此命令会退出容器终端，但不会导致容器的停止。

下面演示了使用 docker attach 命令。

docker attach 1e560fca3906 

下面演示了使用 docker exec 命令。

docker exec -it <容器 ID> /bin/bash

更多参数说明请使用 docker exec --help 命令查看。

4.2.3退出/停止/删除容器

要退出容器终端，直接输入 exit:

root@ed09e4490c57:/# exit

若要停止容器，命令如下：

docker stop <容器 ID>

停止的容器可以通过 docker restart 重启：

docker restart <容器 ID>

删除容器使用 docker rm 命令：

docker rm -f  <容器 ID>

4.2.4导出/导入容器

如果要导出本地某个容器，可以使用 docker export 命令。

docker export 1e560fca3906 > ubuntu.tar

以上命令的含义是导出容器 1e560fca3906 到本地文件 ubuntu.tar。

如果要导入可以使用 docker import 从容器快照文件中再导入为镜像，以下实例将快照文件 ubuntu.tar 导入到镜像 test/ubuntu:v1 再用此镜像开启一个新的容器就可以了。

cat docker/ubuntu.tar | docker import - test/ubuntu:v1

五，VScode使用Docker的快速入门

5.1, 先决条件

• 按照上述流程完成Docker安装。
• 安装完成 WSL，并在WSL中完成了docker镜像的拉取和容器的创建。
• 安装 Visual Studio Code 。 并下载了插件Python，Docker和Remote Develpment

5.2, 连接顺序

• step1：打开VScode，如完成先决条件2，一般会自动连接到WSL中了，如下图所示：

如果没有自动连接，参考我之前的博文传送门中的第三小节，手动连接WSL。

• step2：在WSL环境下，打开插件库，检查Python，Docker和Remote Develpment 是否安装，没有的话重新安装（ps，先决条件3是按照在本地，不是WSL，所以要再装一遍）。安装后，点击Docker入口，如下图所示：

上图的c433 arwin_cv是我自己创建的docker容器，根据个人，名字会不同。开启容器后，点击Attach Visual Studio Code即可进入到Docker容器中，进行编程开发。

需要特别注意的两点是：

1. 在容器环境中，要在插件库中重新下载python等编程所需的插件。
2. 每次开启计算机时，要先打开Doocker Desktop来开启Docker服务，才能使用VScode连接容器。

到此，大功告成~