前言

一次部署,無限安裝😊

1 安裝nvidia顯卡驅動

參考2.2更新驅動：https://blog.csdn.net/weixin_50008473/article/details/115250986

2 安裝docker

詳細參考docker官方檔案：https://docs.docker.com/engine/install/ubuntu/

sudo apt install docker.io

重啟Docker服務

sudo systemctl daemon-reload
sudo systemctl restart docker

3 Docker 修改容器默認存盤位置

（1）docker info
Docker Root Dir:/var/lib/docker 是鏡像和容器默認存盤位置
（2）vim /etc/docker/daemon.json（若沒有則創建）
（3）添加以下內容：

{
    "graph":"/data/docker" # 想要修改的存盤路徑
}

（4）重啟docker: systemctl restart docker
（5）再次查看，確定修改位置正確：docker info

4 安裝docker compose

可以啟動多個容器并建立連接，
(1) 下載對應安裝包：

sudo curl -L \
"https://github.com/docker/compose/releases/download/1.27.4/docker-compose-$(uname -s)-$(uname -m)" \
 -o /usr/local/bin/docker-compose

（2）賦予可執行權限：

sudo chmod +x /usr/local/bin/docker-compose

測驗：sudo docker-compose --version
結果如下圖所示：

5 安裝nvidia-docker

Docker只能使用CPU 的資源，需要連接Docker 和宿主機的顯卡驅動 —— nvidia-docker
（1）設定穩定版的存盤庫和GPG密鑰：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
   && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
   && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

（2）更新：sudo apt-get update
（3）安裝：sudo apt-get install -y nvidia-docker2
（4）重啟docker：sudo systemctl restart docker
測驗：sudo docker run --rm --gpus all nvidia/cuda:11.1-base nvidia-smi

6 下載 nvidia CUDA 鏡像

1.sudo vim /etc/docker/daemon.json
2.加入鏡像源地址：
添加"registry-mirrors": [https://docker.mirrors.ustc.edu.cn]
如下圖所示：

注：Docker中國區官方鏡像：https://registry.docker-cn.com

3.重啟docker：systemctl restart docker.service
4.Nvidia docker cuda 官方鏡像：https://hub.docker.com/r/nvidia/cuda
5.選擇需要的 CUDA版本和cuDNN版本，這里選擇了 11.1-cudnn8-devel-ubuntu18.04:：

6.再點擊 Tags 并根據剛剛選好的名字進行搜索：

7.下載鏡像：sudo docker pull nvidia/cuda:11.1-cudnn8-devel-ubuntu18.04
8.查看到下載好的鏡像：sudo docker images
9.運行docker鏡像

sudo docker run -it --name algorithm -v /data/algorithm:/data/algorithm --runtime=nvidia -e NVIDIA_VISIBLE_DEVICE=all nvidia/cuda:11.1-cudnn8-devel-ubuntu18.04

其中：algorithm為自定義容器名；/data/algorithm:/data/algorithm為專案絕對路徑:容器內專案路徑；nvidia/cuda:11.1-cudnn8-devel-ubuntu18.04為鏡像名稱，
（1）測驗顯卡驅動：nvdia-smi

（2）測驗 CUDA： nvcc -V

（3）測驗 CUDNN：ll /usr/lib/x86_64-linux-gnu/ | grep cudnn

7 安裝python3.8環境

1.準備：
（1）sudo apt-get install libffi-dev
（2）make clean && make && make install

2.下載：
（1）下載地址：https://www.python.org/ftp/python/3.8.9/Python-3.8.9.tgz
（2）cd 下載路徑
（3）解壓：tar -xzvf Python-3.8.9.tgz
（4）cd Python-3.8.9

3.安裝：
./configure prefix=/usr/local/python3 # 指定安裝的目錄
make && make install # 編譯，安裝

4.添加python3和pip3的軟鏈接：

ln -s /usr/local/python3/bin/python3 /usr/bin/python
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip

8 安裝pytorch1.8

（1）如果下載慢或者超時，設定源(此處為清華源）

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

（2）若出現：subprocess.CalledProcessError: Command ‘(‘lsb_release’, ‘-a’)’ returned non-zero exit status 1.

解決方法：

find / -name lsb_release
rm -rf /usr/bin/lsb_release

（3）安裝torch1.8.0與torchvision0.9.0

pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html

(4)安裝 torchaudio

pip install torchaudio==0.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

9 提交容器成為新鏡像

docker commit -m "提交的描述資訊" -a "作者" 容器ID 要創建的目標鏡像名稱:[標簽名]

sudo docker commit -m “v5” -a “double_ww” 0937721faf46 yolov5:1.0
如下圖所示:

常用命令附錄

啟動/停止容器：docker start/stop container
進入容器：docker exec -it container bash
退出并停止容器：exit
只退出容器，不停止容器：Ctrl+p+q
拷貝檔案至容器：sudo docker cp 檔案路徑 container:容器路徑
洗掉容器：docker rm container

查找鏡像:docker search images
下載鏡像:docker pull images
洗掉鏡像:docker rmi images
列出本地所有的鏡像:docker images -a
列出當前所有正在運行的容器:docker ps
列出所有的容器:docker ps -a
強制停止容器:docker kill container