docker︱在nvidia-docker中使用tensorflow-gpu/jupyter
docker︱在nvidia-docker中使用tensorflow-gpu/jupyter
docker小白… 搭建基础：宿主机已经有CUDA8.0
一、安装
参考：Docker Compose + GPU + TensorFlow = ❤️ 安装docker
curl -sSL https://get.docker.com/ | sh安装Nvidia Docker
wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
sudo dpkg -i /tmp/nvidia-docker*.deb通过以下命令来检验是否成功：
nvidia-docker run --rm nvidia/cuda nvidia-smi执行的时候可能会报错：
Error: unsupported CUDA version: driver 8.0 < image 9.0.176 所以需要指定一下版本：
nvidia-docker run --rm nvidia/cuda:8.0-devel nvidia-smi.
二、nvidia-smi的使用
1、拉取镜像、开启容器
当一台机器有很多个GPU可以通过NV_GPU来指定， 通过-v将宿主机下的/data1/matt/docker文件夹与docker之中的/mnt**共享文件**。 matt/docker是容器名称
NV_GPU=1 nvidia-docker run -v /matt/docker:/mnt $container --rm -ti matt/docker bashtensorflow官网有个镜像拉取方式：
sudo docker run -it --rm $DEVICES -v /usr/lib64/nvidia/:/usr/local/nvidia/lib64 tensorflow/tensorflow:latest-gpu bash有一个nvidia关于CUDA8的镜像：
sudo nvidia-docker run --rm -ti nvidia/cuda:8.0 bash从docker hub上拉取镜像：
docker pull mattzheng/docker_gpu最简单的启动：
nvidia-docker run --rm -ti <镜像名字>
docker attach <容器名字> # 已打开的容器.
2.上传容器与创建镜像
创建镜像，容器名字叫device-query
nvidia-docker build -t device-query上传容器到docker hub之上，
（1）先得在网站注册：https://hub.docker.com/
（2）在terminal，中键入docker login输入账号与密码，就与Hub联通了
sudo docker push mattzheng/device-query.
3.容器与镜像删减
镜像操作
docker images #查看有哪些镜像
docker rmi image_id #删除镜像ID或者名称都可以容器操作
docker ps -a # 容器参考
docker container ls # 参考容器
docker rm container_id #删除容器 容器停止：
docker ps -a | grep <container-id>
docker stop <container-id>有时候很难删除镜像：
# 第一种
Error response from daemon: conflict: unable to delete e4b9e4f71238 (must be forced) - image is being used by stopped container 1e359ad4363d
# 第二种
Error response from daemon: conflict: unable to delete 1dc4f730b414 (cannot be forced) - image has dependent child images第一种代表有依赖的容器，需要根据容器名称，docker rm进行删除。
第二种，因为有child，需要删除依赖的image，可以根据tag来进行删除，
docker rm REPOSITORY:TAG # 根据TAG删除容器.
4.容器改名
sudo nvidia-docker tag tensorflow/tensorflow:latest-gpu matt/nvidia-docker把这个容器tensorflow/tensorflow:latest-gpu，改成名字matt/nvidia-docker
.
5.容器的保存
如何对容器进行保存防止退出后全部修改消失
- （1）预先获取docker ps -l的容器ID
- （2）然后从新复制一个新的容器：
docker commit 1610c46c28bd matt/testdocker commit -m="has update" -a="matt" fc4bd61a4af2 matt/docker:5.2冒号之后是tag名称，可以继续更新，需要注意，关闭之前，需要apt-get update
.
6.在tensorflow容器中打开Jupyter notebook
官方：https://hub.docker.com/r/tensorflow/tensorflow/
nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu然后就可以用http://localhost:8888/ 打开该jupyter。 但是如果是，宿主机是远程Linux服务器，你想在远程调用服务器中docker的Jupyter notebook。因为会跟宿主机的IP起冲突，所以需要指定以下IP，在重启的时候：
sudo nvidia-docker run -it -p 7777:8888 mattzheng/docker_gpu_1也就是把docker中的8888端口，赋值到宿主机的7777端口，这样不会与其他冲突。 其中，第一次打开输入的密码，是toke之后的内容，本图中的为： 0375ddd82c0417e55dddf4d3bf7f9dcba9530e89391a6163
打开容器之后就可以启动了：
jupyter notebook --allow-root或者要在Jupyter中同时使用Py2 py3的话，可以参考：
pip2 install ipython notebook
pip3 install ipython notebook
ipython2 kernelspec install-self
ipython3 kernelspec install-self 就可以使用了，重启后，会出现pip3/pip2
主题换色（参考：https://github.com/dunovank/jupyter-themes）：
安装主题包：
!pip install --upgrade jupyterthemes# 用 solarized-light 主题，代码字体是 inputmono，字号 12 点，界面字体 sourcesans，输出字体 sourcesans，开启工具栏，开启标题栏
!jt -t solarized-light -f inputmono -fs 12 -nf sourcesans -tf sourcesans -T -N执行后重新打开即可。参考模板型号：
Available Themes:
chesterish
grade3
gruvboxd
gruvboxl
monokai
oceans16
onedork
solarizedd
solarizedl.
7.在容器中打开nvidia/digits
nvidia-docker run --name digits -p 5000:5000 nvidia/digits.
三、tensorflow安装
在tensorflow/tensorflow:latest-gpu版本中，没有pip3
需要安装一下：
apt-get update
apt-get install python3-pip然后利用pip3安装tensorflow以及keras（官网链接）：
apt-get install libcupti-dev
apt-get install python3-pip python3-dev python-virtualenv
virtualenv --system-site-packages -p python3 targetDirectory
pip3 install tensorflow-gpu
pip3 install keras之后想安装opencv，但是有一些依赖很容易导致报错：
apt-get install libsm6 libxrender1 libfontconfig1
apt-get install -y python-qt4
pip3 install opencv-python不然有可能会报错：
ImportError: libSM.so.6: cannot open shared object file: No such file or directory
ImportError: libXext.so.6: cannot open shared object file: No such file or directory如果也同时需要安装Keras,除了pip install keras，不然会报错：python ImportError:load_weightsrequires h5py.
还需要加载：
pip3 install h5py.
延伸： 最长的开docker命令：
NV_GPU=1 nvidia-docker run -it -p 7777:8888 -v /data/matt/docker:/mnt $container --rm -ti matt/docker bash参考：
CentOS Linux 安裝與使用 NVIDIA Docker GPU 計算環境教學 Docker 中玩转 GPU Using TensorFlow via Docker Docker Compose + GPU + TensorFlow = ❤️ Docker基礎教程