Docker安装anaconda3镜像

💌一个容器就相当于一个小型的运行系统，里面的镜像就相当于应用程序，将应用程序打包成镜像便于运行在不同的容器中，方便迁移。

🧡安装Docker

🍠配置yum源。

sudo yum install -y yum-utils
sudo yum-config-manager \
--add-repo \
http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

 🍠安装docker。

sudo yum install -y docker-ce docker-ce-cli containerd.io

 🍠启动docker。

systemctl enable docker --now

🍠配置加速，镜像加速可以使用自己的阿里云链接。

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://q2fpzl9s.mirror.aliyuncs.com"],
  "exec-opts": ["native.cgroupdriver=systemd"],
  "log-driver": "json-file",
  "log-opts": {
    "max-size": "100m"
  },
  "storage-driver": "overlay2"
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

🍠 将当前用户加到docker组内。 

sudo gpasswd -a jodie docker

💌在创建容器之前，建议先参考这篇文章装一下nvidia-container相关：。然后在创建容器时添加--gpus all使容器可以使用GPU。（下面的操作是没加GPU的，后来又重新建了一遍哭死了！！）

🍠在3080服务器上装的：

🧡创建anaconda3 镜像

🍠搜索anaconda3镜像。

docker search anaconda

🍠拉取stars最高的anaconda3镜像。

docker pull continuumio/anaconda3

🍠创建名为docker_anaconda的容器运行anaconda3镜像，指定宿主机端口：容器端口映射。

docker run --gpus all --name=docker_anaconda -idt -p 888:888 continuumio/anaconda3

🍠进入容器查看anaconda位置

docker exec -it 18f7e19969 /bin/bash
whereis anaconda

🍠查看python版本以及安装包

🍠在容器内运行jupyter notebook，将最后一行链接中127.0.0.1:888改为宿主机ip：宿主机映射端口，即可在宿主机浏览器中访问。

jupyter notebook --port 888 --ip 0.0.0.0 --allow-root

🧡环境迁移

🍠在宿主机中迁移conda环境（pytorch）到容器。

docker cp /usr/local/anaconda3/envs/pytorch/ docker_anaconda:/opt/conda/envs

🍠修改pip路径。

apt-get update
apt-get install vim
vim /opt/conda/envs/pytorch/bin/pip

 🍠在容器内运行python连网程序。

💌运行成功！之后会尝试将AI模型运行在容器中并进行整体打包上传~~

🧡常用命令

docker images：查看所有镜像。

docker rmi 镜像名/ID：删除镜像。

docker ps：查看所有创建的容器。

docker ps -a：查看正在运行的容器。

docker stop 容器名/ID：停止容器。

docker start 容器名/ID：再次启动容器。

docker rm 容器名/ID：删除停止的容器。

docker rm -f 容器名/ID：强制删除正在运行的容器。

docker exec -it 容器ID  /bin/bash：进入容器内部。