1.写在前面的话

  • 零基础想要部署一个能用的gpu版本pytorch不容易，要注意devel和runtime的区别
  • 操作docker要格外小心，删除镜像的时候一定要注意了
  • 一定要会用docker hub，学会pull, push(没有试过)
  • 一定要分清楚image和container的区别，image就是一个可以公用的环境，里面有你build好的所有包(通过pip, yum, apt-get等安装)，而container就是通过image run出来的实例，通过这个实例我们就可以进行后续的操作了

2.开始docker之旅

1.下载docker

  • 推荐下载docker版本：19+，这样在run的时候可以直接使用--gpus all来启动nvidia-docker，老版本需要使用nvidia-docker run

2.pull镜像

  • 运行docker pull去拉取pytorch镜像，由于我们要使用gpu版本的pytorch，所以pull的是含有cuda和cudnn的，此外需要安装devel版，不安则不能查看到gpu信息，并且不能对cuda进行编译，如果实际项目中需要使用cuda进行编译，则会失败

３.编写Dockerfile文件

  • Dockerfile是构建image最为重要的一步了，如果只是想test pytorch，那只需要写一句话：FROM pytorch/xxx
  • 如果想在image中安装其他的包，则使用RUN即可，注意区别windows,centos,linux等不同os下的安装命令，这个只有不断尝试才会懂得如何去编写
  • 还有很多命令，比如CMD，COPY，WORKDIR，在具体的需求下我相信你会学会的
  • 还有一点，Dockerfile中的命令是分层build的，在不破坏原始build顺序下，docker会有cache机制，这样只有在有新的层出现时，才会重新build，节省时间
  • 最后，在终端输入命令：docker build -t image_name -f Dockerfile_path .即可完成image的build过程了，需要注意的是：①Dockerfile_path必须指定到文件，而不是目录；②最后有一个点哦，不要忘记了

4.运行镜像，创建容器

  • 直接运行命令：docker run -idt -v xx:xx -p xx:xx image_name即可完成容器的创建，并且idt由于是交互式后台运行的，所以会给出容器的id，如果需要使用gpu，则使用--gpus all
  • 如果你想进去到容器里，直接运行命令：docker exec -it id bash，当然了，你也可以不这么麻烦，直接运行命令：docker run -it -v xx:xx -p xx:xx image_name bash，如果你想在run的同时，进行容器内shell脚本的运行，直接在bash后跟上容器内的shell脚本路径即可，需要注意的是，这样做后，一旦shell文件执行完毕，就会直接关闭容器了

5.写在最后的话

  • 且行且珍惜