[Docker] 教你如何用Docker快速搭建深度学习环境
本教程搭建集 Tensorflow、Keras、Coffe、PyTorch 等深度学习框架于一身的环境，及jupyter。
本教程使用nvidia-docker启动实例，通过本教程可以从一个全新的Ubuntu系统快速搭建出GPU深度学习环境。
一、安装依赖环境
1. 使用国内镜像加速安装
https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/
此处默认环境：ubuntu16.04LTS
sudo mv /etc/apt/sources.list /etc/apt/sources.list.old sudo vim /etc/apt/sources.list
然后将下面的内容写入该文件：
需要注意的是：不同版本的ubuntu镜像源不一样，可以在清华镜像源查询
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse # 预发布软件源，不建议启用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
使镜像源生效
sudo apt-get update
2. 安装 NVIDIA GPU 驱动
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-384 nvidia-prime
查看是否安装成功
watch nvidia-smi # 该命令可查看GPU使用情况
3. 安装 Docker
https://mirrors.tuna.tsinghua.edu.cn/help/docker-ce/
以ubuntu16.04LTS为例
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository \ "deb [arch=amd64] https://mirrors.tuna.tsinghua.edu.cn/docker-ce/linux/ubuntu \ $(lsb_release -cs) \ stable" sudo apt-get update sudo apt-get install docker-ce
查看是否安装成功
docker -v
将当前用户加入到docker用户组（这样在执行docker命令的时候就不会出现Permission Denied了）
sudo usermod -aG docker ${YOUR_NAME_HERE}
4. 安装 Nvidia-docker
https://github.com/NVIDIA/nvidia-docker
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
这里的最后一步会重启docker，并载入nvidia-docker的配置
查看是否安装成功
nvidia-docker -v
二、拉取镜像并启动
1. 拉取镜像
这里我们使用了deepo镜像：https://hub.docker.com/r/ufoym/deepo/
其下的 ufoym/deepo:all-py36-jupyter，该镜像收集了大部分深度学习框架，运行在GPU环境，以及配有jupyter。
docker pull ufoym/deepo:all-py36-jupyter
2. 启动镜像
默认配置（不推荐）
nvidia-docker run -it -p 8888:8888 ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/root'
外部挂载配置（挂载外部目录，方便移动数据，不推荐）
# 这里使用了-v选项用于挂载外部目录 nvidia-docker run -it -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data'
博主推荐：后台运行并挂载外部目录（需要注意的地方是要把参数-it改成-i，否则无法运行在后台）
nohup nvidia-docker run -i -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-jupyter-py36 jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data' &
参数说明
-v /data:/data：左边是外部路径，右边是内部路径，例如我的文件放在/home/ubuntu/data下，需要挂载到docker内部的路径是/data，则参数配置应该是-v /home/ubuntu/data:/data--notebook-dir：jupyter工作目录的默认路径，推荐与上面的docker内部数据路径相同，即/data-p 8888:8888：左边是外部端口，右边是docker镜像端口。如果想将jupyter应用挂载在8080端口，只需修改参数-p 8080:8888即可--NotebookApp.token：进入jupyter的密码，这里设置的是空
三、 成功启动
四、其他
1. import tensorflow时遇到Future Warning解决方案
错误如下：
FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`. from ._conv import register_converters as _register_converters
解决方案：
进入jupyter terminal并输入
pip install --upgrade numpy pip install --upgrade h5py
问题解决。
2. 进入docker shell，以便使用装有deeplearning环境的python交互式命令行
docker exec -it $(docker ps | awk '{print $1}' | sed -n '2p') bash
可以把这一段代码用alias链接后方便使用，在~/.profile下添加这一行：
alias pysh="docker exec -it $(docker ps | awk '{print $1}' | sed -n '2p') bash"
让配置生效
source ~/.profile
再次输入pysh就可以快速进入docker shell
