Docker

来自集智百科
跳转到: 导航搜索

目录

使用Docker安装深度学习环境

深度学习环境的配置一直是一个令人头疼的问题,尤其是对使用 Windows 平台的用户来说,在安装一些开源深度学习框架的时候,经常会遇到一起奇奇怪怪的问题。更有一些深度学习框架(比如 PyTorch),目前没有提供对 Windows 平台的官方支持。

为了避免出现环境问题,有些同学选择使用 VMware、VirtualBox 运行 Linux 虚拟机的方式进行深度学习实验。但是像 VMware、VirtualBox 这类“重”虚拟机运行起来常会拖慢系统,并且这些虚拟机目前是不支持 GPU 虚拟化的。

所以今天要分享给大家的是使用 Docker 配置安装深度学习环境。

使用Docker安装环境的优点如下:

  1. 无需自己配置环境,通过 Docker 镜像可以使用各种已配置好的深度学习环境。
  2. 轻量便捷。一个 Docker 客户端+一个镜像,总共大约3~4G即可组成一个深度学习系统环境。
  3. 便于分享。可以将自己的环境通过镜像库或直接以文件拷贝的方式传播。
  4. 官方支持。很多深度学习框架&项目提供官方 Docker 镜像。

[英伟达专门提供的支持GPU虚拟化的Docker镜像]

GPU Docker container.png

1.什么是Docker?

已经熟悉 Docker 的同学肯定已经有了自己的理解。

我这里给出一种简单(但不一定严谨)的描述,以供初学者快速理解。

Docker 类似于我们使用的虚拟机软件(VMware,VritualBox),可以创建、运行虚拟系统。

网上可以找到大量的 Docker 虚拟系统(镜像)。我们只需要搜索想要的系统环境(比如Python3.6+PyTorch),然后使用 Docker 运行它,就可以在其中调试深度学习程序。

那 Docker 与之前说的“重量级”虚拟机软件有什么不同的地方?

别急,在下面我们会专门说明这个问题,且慢慢往下看~

2.关于Docker的几个概念

关于 Docker 的组成部分,有那么几个小概念需要大家提前了解一下。


镜像

Docker 镜像就是系统环境的载体。

Docker 镜像是 Docker 容器运行时的只读模板,类似于虚拟主机本体。

从 Docker 镜像仓库中可以找到大量可用的镜像,你可以按照自己的需求自行搜索,比如寻找一个安装了 PyTorch+Jupyter Notebook 的系统镜像。


容器

每一个 Docker 容器都是从 Docker 镜像中创建的。

之所以有容器的存在,因为镜像是只读的。当我们通过镜像运行一个系统环境(虚拟机)时,Docker 就会创建一个容器来容纳这个系统环境。我们在这个环境中进行的修改(包括创建文件、安装新软件包等等),相当于都是在容器中进行的,不会影响到原来的镜像。

在我们想分享修改后(比如安装了新软件包)的系统时,我们可以执行“commit”命令。这时被我们修改过的容器,就会提交到镜像中,形成新版本的镜像。这个过程特别像GitHub的使用。我们从GitHub上clone下代码,修改,然后直到 commit 提交。

简单来说,容器可以视为镜像的“运行态”。


Docker Hub

官方的镜像发布网站,你在这里可以找到自己需要的镜像。

然而在国内,我们往往使用国内的镜像库,比如阿里云、网易蜂巢等等。

3.既然是个虚拟机?为啥要用 Docker?

有同学可能有疑问:既然 Docker 也是一种虚拟机,那我用 VMware,VritualBox 不是一样吗?

我们使用 Docker 搭建深度学习环境的理由有三个:

  1. 轻量级便捷。使用 VMware 等软件还需要经历一个漫长的“安装操作系统”的过程。使用 Docker 只需要从网上找到合适的镜像下载到本地就好了。
  2. 便于分享。使用 Docker 建立的镜像很小巧,很适合分享。比如你配置好了一个 PyTorch 的镜像,可以直接拷贝给实验室的其它小伙伴。
  3. 易于部署。如果你在 Docker 容器中训练好一个模型,并且为它搭建了一个 web 可访问的使用接口。那么你可以把这个容器打包成Docker镜像,直接将这个镜像部署到服务器上,无需在服务器上重复布置软件环境。

另外 Docker 运行本身对系统的拖累很低,一般运行镜像并不会导致系统卡顿。此外 Docker 还有良好的资源隔绝机制,以及 Docker 镜像有着“镜像层级版本”的机制。这些都是 Docker 的特性,但目前我们还用不到,所以我们在这不做过多的讨论。

使用 Docker 创建并分享一个深度学习环境

1.使用 阿里云 镜像站点加速服务

在安装 Docker 后,理论上我们就可以去 Docker Hub 上寻找我们想用的镜像去了。不过在国内访问国外的 Docker Hub 速度是非常慢的,所以我选择使用阿里云的镜像仓库。

访问:https://cr.console.aliyun.com/#/accelerator

注册阿里账户并登录。

Aliyun caozuotai.png

选择 Docker 镜像加速器。

在这个界面里我们可以看到属于自己的镜像加速器地址。我们要把这个加速地址配置到 Docker 里,从而让 Docker 默认从加速地址中寻找并下载镜像。


How to setup linux docker.png

Linux 操作系统的配置都是通过修改 daemon 配置文件完成的,这个配置看起来比较简单。

Mac 以及 Windows 操作系统由于系统限制,必须使用 docker-machine 来配置加速地址。

How to set linux docker.png

2.Docker-machine?

docker-machine 本质上是又是另一种虚拟机(怎么那么多虚拟机),我们暂且把它理解为一个自带 Docker 的 VirtualBox 虚拟机。

上图配置中第一条命令的意义是:使用阿里的加速地址创建一个 docker-machine 虚拟机并启动。

后三条命令的意义是:通过配置环境变量(只在本终端中有效)用 docker-machine 虚拟机中的 Docker 环境覆盖宿主机系统环境。

执行这三条命令后:

在 Docker-machine 运行期间,在当前的宿主机终端中执行的 Docker 命令,实际上都是由 docker-machine 虚拟机中的 Docker 环境执行的,因为只有 docker-machine 虚拟机配置了阿里的加速地址。

3.从阿里云镜像获取一个与需求相似的镜像

在镜像加速器地址配置完毕后,我们就可以去寻找需要的 Docker 镜像了。

我想找个已经安装好 Python3.6 的镜像,以便进一步安装最新的 PyTorch 以及其它相关的软件包,那么我搜索“python36”。

Search docker images.png

4.把镜像从库里拽过来!

Docker image details.png

可以点击镜像详情,查看镜像的外网地址,然后把镜像拽到本地上来(之前必须已经配置好阿里加速器)。


docker pull registry.cn-shenzhen.aliyuncs.com/chenxl/python3.6

5.查看并运行镜像

我们可以使用命令 `Docker images` 查看镜像信息:

Cmd docker images.png

使用 `docker run` 命令将镜像运行为可交互的 shell:

Cmd run docker.png

在命令中:

- -t:在新容器内指定一个伪终端或终端。

- -i:允许你对容器内的标准输入 (STDIN) 进行交互。

在命令运行后,我们可以观察到当前 shell 里的提示符已经改成了“”,这证明我们已经在 Docker 容器的系统环境中了。

我们按照常规的方式安装深度学习环境,比如用 `pip` 命令安装 PyTorch、torchvision 等软件包,并将项目源码拷贝到运行的容器中。

在宿主机与 Docker 容器间拷贝数据可使用 `docker cp` 命令。

在容器里进行一系列的操作后,我们的工作完成,可以运行 `exit` 命令退出当前 shell。

此时我们可以观察一下当前的容器与之前的镜像,可以看到容器与镜像同时独立存在。

Cmd docker images container.png

6.将容器的修改提交到镜像中

假设我们在容器里安装了新的软件包并且跑通了自己的项目,现在打算把容器提交成镜像分享给其它小伙伴。

需要操作的流程如下:

首先查看容器的ID:

Docker container id.png

将容器提交到镜像中,同时我们给它指定新的名字:

Cmd docker commit.png

提交完成后我们再查看本机存在的镜像:

Docker commit finished.png

有句话叫“取之于民,用之于民”。

我们可以把这个包含最新版 PyTorch 环境的镜像上传到阿里云的镜像库中,让更多的人可以使用我们的镜像。

7.将镜像上传到阿里云镜像仓库中

我们首先在阿里云上创建一个镜像仓库:

Ailiyun images duck.png

然后我们需要在当前的终端中登录阿里云仓库(之前必须配置了阿里云加速器):


docker login --username=USER_NAME registry.cn-hangzhou.aliyuncs.com


要把镜像上传到指定的镜像库,需要先对镜像进行命名。整个名字由冒号“:”分成两部分,前部分是我们在上一步建立的镜像仓库的地址,后部分是对当前镜像打的标签(TAG)。TAG的存在是为了允许一个镜像库里存在多个版本的镜像。

Cmd docker tag.png

好,这时候万事具备了,我们运行 `push` 命令将镜像推送到云镜像库中。

Cmd docker push.png

在上传结束后,我们就可以在云镜像库的web管理界面看到我们的镜像了。

Ailyun duck images.png

8.将镜像打包为独立文件

除了上传云镜像库,我们也可以直接将镜像打包成一个独立文件,拷贝分享给别人使用。

同样,我们使用命令 `docker images` 查看镜像的名字:

再使用 `docker save -o` 将目标镜像打包成文件。

Cmd docker export tar.png

9.测试分享出的 Docker 镜像

现在让我们测试下之前导出的镜像。

首先尝试导入刚刚在本地打包的镜像:

Cmd docker import.png

导入成功。

再试下从阿里云镜像库中把之前建立的镜像 `pull` 下来:

Cmd docker download.png
Cmd docker download success.png

全部成功!

大吉大利,今晚吃鸡!

个人工具
名字空间
操作
导航
工具箱