docker

Posted on Jun 6, 2019

ubuntu安装docker

使用清华源安装，地址，按照文档操作即可。

设置docker源为阿里镜像

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://2sjdzxnu.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

操作

进入 container

docker exec -it container-name/id /bin/sh

最后的 /bin/sh 可以换成 /bin/bash

tensorflow

系统ubuntu 18.04，显卡Gtx950，驱动390。

安装nvidia-docker和nvidia-container-runtime

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=2.0.3+docker18.09.1-1 nvidia-container-runtime=2.0.0+docker18.08.1-1
sudo pkill -SIGHUP dockerd

测试一下

docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

如果报错docker: Error response from daemon: Unknown runtime specified nvidia.

解决方法：

 Systemd drop-in file
sudo mkdir -p /etc/systemd/system/docker.service.d
sudo tee /etc/systemd/system/docker.service.d/override.conf <<EOF
[Service]
ExecStart=
ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=nvidia=/usr/bin/nvidia-container-runtime
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
Daemon configuration file
sudo tee /etc/docker/daemon.json <<EOF
{
    "runtimes": {
        "nvidia": {
            "path": "/usr/bin/nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}
EOF
> sudo pkill -SIGHUP dockerd

再次测试。 2. 安装tensorflow的docker，由于驱动旧，不能使用最新的tensorflow版本，就先用1.11.0版本。还要用python3，所以安装的docker image是这个sudo docker pull tensorflow/tensorflow:1.11.0-gpu-py3

sudo docker run -p 8888:8888 --volume "$PWD":/notebooks --runtime=nvidia -it tensorflow/tensorflow:1.11.0-gpu-py3

启动后会直接打开一个jupyter，可以先做一下gpu的测试。这样就算是搭号GPU环境了。

但是这个环境中没有安装opencv-python或者opencv-contrib-python，也没有～/.keras/modelsinception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5文件。

这里可能需要自己再打包一个image，可以参考这个链接
还可以试一下用映射解决

--volume为“映射”，当前目录（$PWD）中的文件，会反映容器中个的/notebooks目录下。
tensorflow这个image会启动一个jupyter，其中就可以访问到$PWD目录。

腾讯云的docker仓库

账号w……….
密码w…1……

docker image build -t site .

方案1：使用hugo命令手动将也构建到public目录，然后启动docker是映射目录
sudo docker container run --rm --name myblog -p 80:80 -p 443:443 --volume "$PWD/public":/usr/share/nginx/html site

方案2：使用hugo server -D命令运行测试服务器，修改nginx的default.conf文件，加入反向代理配置。

登录腾讯云 docker registry

sudo docker login --username=wangshushuo hub.tencentyun.com
登录 registry 的用户名是您 Tencent Hub 的用户名，密码是您开通 Tencent Hub 用户时设置的密码。

从 registry 拉取镜像

sudo docker pull hub.tencentyun.com/wangshushuo/site:[tag]

其中 [tag] 请根据您的镜像版本信息进行填写。

将镜像推送到 registry

sudo docker tag [ImageId] hub.tencentyun.com/wangshushuo/site:[tag]

sudo docker login --username=wangshushuo hub.tencentyun.com
sudo docker tag site hub.tencentyun.com/wangshushuo/site
sudo docker push hub.tencentyun.com/wangshushuo/site

加速image文件上传到云服务器。

云服务器的快带只有1m，我猜测上传速度会很慢，一个image文件有七八十兆，可能要上传很久。

腾讯云有免费的docker仓库，可以上传image文件。

再从腾讯云服务器pull image文件，就很快。

phpmyadmin

docker run --name myphpadmin -d -e PMA_ARBITRARY=1 -p 8080:80 phpmyadmin/phpmyadmin