docker

常用命令

构建Docker镜像：docker build -t my_conda_image:v1 .
运行Docker容器：docker run --rm -it my_conda_image sudo docker run --name try_container imagename（--rm: 在容器停止运行后自动删除容器。--gpus all: 指定在容器中使用所有可用的 GPU 资源。-it：进入容器交互模式。）

sudo docker run --gpus all -it --name try_container aaam_image:v1 /bin/bash

查看已构建image：docker image ls docker images
删除指定的镜像：docker rmi <IMAGE_ID> docker rmi <REPOSITORY>:<TAG>

列出所有正在运行和已停止的容器：docker ps -a
停止该容器：docker stop <CONTAINER_ID>
启动容器:docker start b58c5185b76e【容器ID】
进容器：docker attach b58c5185b76e【容器ID】
退出容器：ctrl+D
删除指定的容器：sudo docker rm my_container
删除所有停止的容器：docker container prune

修改容器内部文件：sudo docker cp /home/wsn/project/AAAMdocker/test.py a5f427510146:/app
在容器内部执行更改：docker exec -it <container_id> /bin/bash

在Dockerfile中挂载：

//在容器中挂载输入图片和输出txt文件的目录
VOLUME ["/input", "/output"]
// 创建容器时
docker run -v /path/to/input:/input -v /path/to/output:/output your-image-name

sudo docker run -it --gpus all --name con3 -v /home/wsn/project/AAAMdocker/images:/app/images -v /home/wsn/project/AAAMdocker/output:/app/output aaam_image:v1 /bin/bash

以容器为基础生成新的镜像（-a：指定新镜像作者；-c：使用 Dockerfile 指令来创建镜像；-m：提交生成镜像的说明信息；-p：在 commit 时，将容器暂停）：

sudo docker commit -m "create new img" -c 'VOLUME ["/images", "/output"]' -c 'CMD ["python", "test.py"]' eda05ad514f8 newimage:v1

sudo docker commit -c 'CMD ["python", "test.py"]' 0f2024fdbb94 image1:v1

查看系统日志：

sudo cat /var/log/syslog

守护进程文件在/etc/docker/daemon.json

查看 Docker 的存储状态和未使用的镜像：

docker system df

清理未使用的镜像和数据:

docker system prune -f

docker存储检查指令

查看占用的磁盘总量：

docker system df

直接用 du 看物理占用:

sudo du -sh /var/lib/docker

问题

NVIDIA Container Runtime

需要下载NVIDIA Container Runtime：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
&& curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
&& curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list |
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' |
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt-get update
sudo apt-get install -y nvidia-docker2
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker
sudo docker run --rm --gpus all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi

看到下图则成功：

用docker打包gpu项目

Docker 容器不会自动看到您系统的 GPU。Docker 容器共享您主机的内核，但带有自己的操作系统和软件包。这意味着它们缺少用于与 GPU 交互的 NVIDIA 驱动程序。默认情况下，Docker 甚至不会向容器添加 GPU，因此docker run根本看不到您的硬件。
概括地说，让 GPU 工作是一个两步过程：在映像中安装驱动程序，然后指示 Docker 在运行时将 GPU 设备添加到容器中。

添加 NVIDIA 驱动程序

在继续进行 Docker 配置之前，请确保您的主机上的 NVIDIA 驱动程序正常工作。您应该能够成功运行nvidia-smi并看到您的 GPU 名称、驱动程序版本和 CUDA 版本。
要将 GPU 与 Docker 结合使用，请首先将NVIDIA Container Toolkit添加到您的主机。这集成到 Docker 引擎中以自动配置您的容器以支持 GPU。（参考上一步NVIDIA Container Runtime）

使用 GPU 访问启动容器

由于默认情况下 Docker 不提供您系统的 GPU，您需要创建带有--gpus硬件标志的容器以显示。您可以指定要启用的特定设备或使用all关键字。
该nvidia/cuda 镜像是预先配置了CUDA二进制文件和GPU的工具。启动一个容器并运行nvidia-smi命令来检查您的 GPU 是否可以访问。输出应与您nvidia-smi在主机上使用时看到的相符。CUDA 版本可能会有所不同，具体取决于主机上和所选容器映像中的工具包版本。

参考：https://cloud.tencent.com/developer/article/1924792

离线安装docker

参考：https://blog.csdn.net/chexlong/article/details/127932711

docker镜像源

https://xuanyuan.me/blog/archives/1154