作者 ｜ 刚子

出品 ｜ 刚子

以下是我在使用过程中

• 遇到的坑

• 解决的问题

• 一些总结

其中还有很多不足，大家可以慢慢一起完善

安装

建议 ubuntu16.4/18.4，安装说明自行百度不做介绍

安装docker

安装nvidia-docker 参考官方

测试可用

检验 cuda 是否安装正确 & 能否被 pytorch 检测到

 import torch  import torchvision  print(torch.cuda.is_available()) 

python -c "import torch;print(torch.cuda.is_available())"

测试 pytorch 能不能调用 cuda 加速

  a = torch.Tensor(5,3)  a=a.cuda()  print(a)

python -c "import torch;print(torch.cuda.is_available());a = torch.Tensor(5,3);a=a.cuda();print(a)"

基本操作

基础命令

镜像可取 docker hub 自行下载 不做介绍

查看 docker 服务是否启动：

• systemctl status docker​

启动 docker 服务：

• sudo systemctl start docker​

查看 docker 版本信息

• docker --version
  

• docker version
  

• docker info​

🌈 重要的命令

• 加载   docker load -i name
  

• 🔥 查看镜像  docker iamges
  

• 🔥 查看正在运行的容器  docker ps
  

• 🔥 查看容器  docker ps -a
  

• 进入容器

• docker attach name
  

• 🔥 docker exec -it name bash  推荐这个 退出容器不会停止

• 查看 conda 环境

• conda env list
  

• conda info --envs
  

• 激活 conda 环境  conda activate name
  

• 🔥 强制删除正在运行的容器 docker rm --force name
  

将镜像导出

• docker save 镜像id>~/wg/ERN.tar
  

• docker save 镜像名称:版本号 -o /home/outpainting-wg.tar
  

在集群中导入镜像

• docker load -i ~/wg/name
  

• docker load < ~/wg/wg-op.tar
  

加载进来的镜像名称、标签均为 none，修改名称与标签

• docker tag eb40dcf64078 wg-op:torch1.5.0-cu101
  

🔥将容器打包成镜像

• docker commit 容器ID 新镜像名称:版本号
  

如 docker commit 9e4fcf42be59 lvshasha_tensorflow:v1 在 docker images 时就会出现 lvshasha_tensorflow 这个镜像

🔥挂载

• 如果挂载多个目录，-v 可以多次使用-v /home/my:/my -v ./home/ht:ht
  

将本地代码文件夹 传入到 docker 内部容器内

• docker cp /home/wg/outpaiting/demo/Outpainting-master.tar.gz 容器名称:/home/wg/demo/code
  

🔥端口映射

• -P 本机端口:容器端口
  

-p 2222:22 因为用到 22 端口映射所以必须安装 ssh 服务使用时通过访问服务器的 2222 端口来访问容器

ctrl+p+q

代码跑起来之后，ctrl+p+q 可以退出容器，但是还保持运行的状态使用  docker attach 容器名称  重新进入

创建容器

docker 版本不同，调用 gpu 的命令不同

• docker run -id --gpus all -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash
  

• nvidia-docker run -id -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash
  

🎯 Pycharm 远程调用 docker

直接调用 docker 容器我们是做不到的,但是可以做到间接调用 localhost -> remote server -> docker

1. 建立容器

nvidia-docker run -id -p 2225:22 --name wg -v ~/wg/outpainting/demo:/demo -v /datasets/places365/train:/demo/train -v /datasets/places365/test:/demo/test wg-op:torch1.2 /bin/bash

大家使用时直接将这个命令复制下来，红色部分原封不动，其他部分替换为自己的就可以了如果 docker 版本为 XX 时，将nvidia-docker 换为docker --gpus all 即可。

2. 安装 openssh-server

在远程服务器上安装 openssh-server

apt update && apt install openssh-server

注意，要在两个地方安装

1. 远程服务器

2. 容器内

3. 建立连接

进入容器修改 SSH 连接的密码默认账户为 root

passwd

容器内部重启 ssh 服务

service ssh restart

在服务器中测试容器与服务器上的映射是否建立

docker port <容器名字> 22

若输出，表明只要外界连接到服务器的 2222 端口，就会转发到容器的 22 端口0.0.0.0:2222

4. 本地测试连接是否建立

ssh root@<你服务器的ip地址> -p 2222

若成功 则直接连接至容器

第 2，3，4 步骤在设置一次后，将该容器导出为镜像再创建这个镜像的容器，即已经拥有 ssh 只需要进入容器设置密码，重启即可，随后在 pycharm 设置就可以

5. 配置 pycharm

配置 SFTP

在导航栏中 Tools > Depolyment > Configuration 中添加配置 SFTP。 如图

添加配置 SFTP，点击弹窗左上角的+号。选择 SFTP，根据自己的实际情况进行配置。

PS：这里的 root 密码就是之前设置好的 test

配置 SFTP 中的 mapping

都配置完之后。打开自动上传功能 Tools>Depolyment>Automatic Upload(always) 本地修改好代码只要按保存键就自动将本地代码上传至远程 docker container 中。 到这里已经配置好代码的自动同步了。还差最后一步，远程调试就配置成功。

Pycharm 链接远程 docker container (配置远程编译器)

添加新编译器(远程 docker container 编译器)

在打开的页面选择之前配置好的 SFTP

通常选择完之后下面有两个选项

• Create: 新建 SFTP

• Move: 将选择的 SFTP 作为编译器的 SFTP

选择你需要使用的解释器，通常选择 Move 就好

上面已经配置了 mapping，选择了 move 之后，项目位置就会自动映射。

完结🎉​

补充知识

linux 操作

查看 CUDA 版本：

cat /usr/local/cuda/version.txt

查看 CUDNN 版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2​

统计文件夹下文件个数，包括子文件

ls -lR | grep "^-"| wc -l

统计文件夹中目录个数

ls -l ./|grep "^d"|wc -l

判断是否有网

• 集群本地 ping www.baidu.com
  

• 容器内部 curl www.baidu.com
  

Linux 删除目录

递归删除目录的所有文件rm -rf xxx

编辑文件的两种方式

• gedit
  

• vim
  

查看线程命令

ps -aux

杀死线程命令

kill pid

SCP

使用 ssh 的 scp 服务传输文件

• sudo scp /home/outpainting-wg.tar 你的账号@你的ip地址:~/
  

• scp ERN.tar 你的账号@你的ip地址:~/wg/
  

拷贝/移动文件

• cp hello.csv ./python/ml：把当前目录的 hello.csv 拷贝到当前目的 python 文件夹里的 ml 文件夹里

• mv hello.csv ./python：把当前目录的 hello.csv 剪切到当前目的 python 文件夹里

• cp -r /usr/wg/ /usr/wgg/：将/usr/wg 目录中所有文件及其子目录拷贝到/usr/wgg 中

conda 配置

更换 conda 源

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda 下载 pytorch 巨慢是因为国内镜像源不支持 conda,但是最新发现清华源已经支持了，需要额外添加 pytorch 的库，否则找不到

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/4. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/5. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

安装

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2 -c pytorch

但是一定要去掉后面的 -c pytorch。因为命令最后是-c pytorch，所以默认还是从 conda 源下载，新安装的清华等源没有用上

查看 conda 配置

conda config --show

设置搜索时显示通道地址

conda config --set show_channel_urls yes

pip 配置

更换 pip 源

临时使用

• pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
  

• pip install some-package -i https://mirrors.aliyun.com/pypi/simple/
  

豆瓣

https://pypi.doubanio.com/simple/

阿里云

https://mirrors.aliyun.com/pypi/simple/

清华大学

https://pypi.tuna.tsinghua.edu.cn/simple/

https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

设为默认

升级 pip 到最新的版本后进行配置

1. pip install pip -U

2. pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

安装 opencv

安装 opencv-contrib-python

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

若出现ImportError: libGL.so.1: cannot open shared object file: No such file or directory则1. apt-get update 2. apt-get install -y libgl1-mesa-dev
若出现ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory则1. apt-get update2. apt-get install libglib2.0-dev
若出现ImportError: libSM.so.6: cannot open shared object file: No such file or dir则1. apt-get install libsm6
如果你出现了上面的错误，那你很大概率也会遇到下面的问题，ImportError: libXrender.so.1: cannot open shared object file: No such file or directory1. apt-get install libxrender1
ImportError: libXext.so.6: cannot open shared object file: No such file or directory2. apt-get install libxext-dev

更换镜像的 python 版本

如果拉取的镜像中是 python3.5 版本 但是实际需要 3.6 版本

1. 拉取 tf 镜像

2. 创建容器

3. 使用这个 PPA 源

sudo add-apt-repository ppa:deadsnakes/ppasudo apt updatesudo apt install python3.6 python3.6-dev -y

4. 修改 python 命令默认指向 python3.6：

（1）查看默认 python 指向：

sudo ls -l /usr/bin | grep python 

（2）删除原有 python 软连接

sudo rm /usr/bin/python

(3) 建立 python 到 python3.6 新的软链接

sudo ln -s /usr/bin/python3.6 /usr/bin/python

(4) ubuntu 安装 pip：直接安装 python3 版本 pip

这里也有个小坑！如果你写的是python3-pip 执行安装后，如果系统自带了python3.5，其实pip这时是装在了python3.5环境下了！！！
sudo apt-get install python3-pip
正确的指定方式，应该把小版本号也加上！
sudo apt-get install python3.6-pip

(5) 建立 pip 到 pip3 的软连接

sudo ln -s /usr/bin/pip3 /usr/bin/pip

可能碰到的问题：

如果执行 apt-get install python3.6-pip 报错则安装新的 pip

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py如果安装到python下就是python get-pip.py --force-reinstall如果安装到python3下就是python3 get-pip.py --force-reinstall

成功！！

但这时，安装的 pip 是一个新的 pip，替代了之前镜像中自带的 pip 中已经下好的东西，现在的 pip 是一个全新的环境，需要自己全部添加需要的环境

撒花🎉希望可以帮助到大家不好之处多多包涵

微信公众号 ： 后端开发充电宝

个人知识库：语雀知识库

保持谦逊，保持自律，保持进步