一、什么是docker？
https://www.docker.com/resources/what-container
使用docker时有两个重要概念，一个是镜像（images），一个是容器（containers）
- 镜像就是从docker hub或者自己制作好的一个包，类似压缩包
- 容器，就是将镜像run起来后的一个虚拟环境
二、为什么使用docker？
对于我们来说，环境独立且相对轻量，互不影响，后台运行。
三、怎么使用docker？
介绍几个常用命令，方便使用
- 首先要知道的是docker运行需要在sudo条件下
# docker版本可以通过运行下述命令完成
sudo docker version
- 通过下述命令来查看host拉好的docker镜像
sudo docker images
- 这些镜像只是一些包，为了使用这些镜像，需要将镜像转换为容器，拿镜像tensorflow/tensorflow:1.13.1-gpu-py3来说，运行下述命令可以将镜像转为容器（docker 19后的版本使用gpu不需要用nvidia-docker命令了，只需要加上–gpu即可）
sudo docker run -it -p 8080:80 --privileged=true -v /data/share/:/data/share --gpus all --name liuheng_test tensorflow/tensorflow:1.13.1-gpu-py3 /bin/bash
关于怎么使用命令，可以通过docker --help和docker run --help来查看
参数的解释：
1. 上述-it其实是-i 和-t，-i表示要开一个交互式的容器，-t表示开一个伪终端，所以这两经常一起使用
2. -p表示端口映射，前面表示host端口后面表示容器中的端口，上面就是说将容器中的80端口映射到host中的8080端口
3. --privileged，设置为True表示容器内的root有root权限，否则没有，默认没有
4. -v 表示将host中的目录挂载到容器中，为了方面上面取了同样的名字，跑起代码来就不用修改路径了，其中冒号前的表示host中的目录，冒号后面表示容器中的目录，容器中的目录自动创建。还要说明的是-v可以多次使用，也就是可以挂载多个目录
5. --gpus，指定使用哪些gpu，all表示容器可以看见所有gpu
6. --name 表示指定容器名字
7. tensorflow/tensorflow:1.13.1-gpu-py3表示run哪个镜像
8. 最后表示载入容器的bash
- 第一次运行的话就可以进入容器了，像一个新的linux环境，输入exit或者ctrl+d，退出容器，退出的同时容器停止run，里面的程序，比如训练程序也会挂。如果想后台运行执行ctrl+p和ctrl+q，这样容器后台运行，训练进程不会挂
- 退出后，如果想在次进入容器有下面方式
如果是exit方式退出的，那么容器停止运行了，想要进入容器需要先启动容器
1. sudo docker start containerID
2. sudo docker attach containerID # 进入容器
如果是退出后，容器仍然运行（即采用ctrl+p和ctrl+q方式退出容器）直接采用attach命令即可重新进入容器
- 查看所有容器
sudo docker ps -a
四、哪里下载容器？
官方的dockerhub已提供很多可以直接使用的docker环境，地址：https://hub.docker.com/
五、关于打包镜像
- 将容器保存为镜像
sudo docker commit containerID pytorch1.5 #(pytorch1.5为将打包成的镜像名)
该命令详细使用可以查看sudo docker commit --help
- 将打包好的镜像保存成tar文件
sudo docker save pytorch1.5 > pytorch1.5.tar
- 将tar文件载入为镜像
sudo docker load < pytorch1.5.tar
掌握上述命名就可以快速上手使用docker了，有其他疑问或者描述纰漏可以留言交流
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
