centos + docker搭建深度学习环境以及一些问题解决

必须要说容器是一个很牛逼的思想！注意，是思想！也许docker有种种问题，但是不管docker能否茁壮地发展下去，未来这种方式的环境搭建一定会变得越来越流行！

网上有很多这方面的教程，但大多数都不太好。。。。初学者很难上手看的一脸懵逼，而且很多自己都根本没验证过行不行，而且很多问题都没有提到！！因此我自己写一个这方面的教程，以后自己看起来方便，有缘的docker新手看到这篇文章也许能给你一些帮助。

首先是安装docker

我们在centos7上安装docker-ce，也就是社区版。这篇博客里面有centos和ubuntu的安装方式：https://www.linuxidc.com/Linux/2017-12/149576.htm

我在这里再说一遍我的安装过程，注意！如果是root用户连接服务器在做这样的操作，那就不用加sudo了，加了也不识别。。。另外如果需要选择特定的docker版本也可以在那个博客里找到，但我个人觉得没啥必要，装最新版的就好了呗，有问题了再说hhhhh

// 1. 安装必要的一些系统工具
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
// 2. 添加软件源信息
sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
// 3. 更新并安装 Docker-CE
sudo yum makecache fast
sudo yum -y install docker-ce
// 4. 开启Docker服务
sudo service docker start
// 5. 设置开机启动
sudo systemctl docker enable

如果你要装tensorflow-gpu，那么还要装个nvidia-docker2

这个参考nvidia的github就行，为什么我非要下docker-ce版的呢，因为我用docker按照github的方法来做貌似没成功。。。也没深究。网址：https://github.com/NVIDIA/nvidia-docker

一定要注意选择docker-ce那个版本。我这里也写一下。

# If you have nvidia-docker 1.0 installed: we need to remove it and all existing GPU containers
docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
sudo yum remove nvidia-docker
# Add the package repositories
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | \
  sudo tee /etc/yum.repos.d/nvidia-docker.repo
# Install nvidia-docker2 and reload the Docker daemon configuration
sudo yum install -y nvidia-docker2
sudo pkill -SIGHUP dockerd
# Test nvidia-smi with the latest official CUDA image
docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

安装nvidia驱动（如果你要用tf-gpu）

前面你会发现安装好了之后，docker run –runtime=nvidia –rm nvidia/cuda:9.0-base nvidia-smi这句话没用，那是因为没装nvidia驱动，安装nvidia驱动方法我这里就不说了，比较简单，装好了之后本机上可以nvidia-smi查看显卡使用情况。

下载tensorflow镜像

这里直接看官网https://tensorflow.google.cn/install/docker

有个问题啊。tensorflow/tensorflow:latest或者tensorflow/tensorflow:latest-gpu都是python2.7版本的环境！！！！我们都新时代的人了，用python3吧，不然在中文集上你会很烦的！！https://hub.docker.com/r/tensorflow/tensorflow/tags/这个网站上给出了一些镜像的名称。其实很简单在名字后面加个-py3就行了，就能把python3的环境拉下来了。

启动镜像

我用一个例子来说明吧：

docker run --runtime=nvidia -t -v /home/xxx/docker/tf:/root/tf --name tf_py3 \
tensorflow/tensoflow:latest-py3 bash

–runtime=nvidia 是nvidia-docker2的特点

-v 数据卷冒号前面是本机目录，冒号后面是docker内目录，目录内文件共享

–name 容器名字，下次可以用名字打开，不用记住那个麻烦的序列

tensorflow/tensoflow:latest-py3 对应镜像，如果要用gpu版的，加个-gpu

bash 说明进入命令行界面！！！这个真的是要划重点了，网上很多centos7搭docker教程都是说，给一个序列，我在浏览器里输什么什么什么，我特么centos7没有图形界面啊！！！！！！！我不知道centos7是不是能用浏览器，貌似也是可以的，但我没有深究这个问题，反正就是很麻烦啊！什么鬼啊！！！加个bash就好了啊！

好了，这样就可以了，开心。

重新启动一个容器，以及字符集问题

每次退出容易用exit。然后docker ps -a 可以看到所有的容器。

输入命令 docker start xxxx
 
docker attach xxxx

就又进入了。

这里会遇到一个字符集问题！就是不能输入中文也不能识别中文！

输入locale -a 可以查看所有的字符集，发现是有C.UTF-8的。但是输入locale回车，发现LANG是空！就是不能用中文！咋办呢！

我现在有一个解决办法，就是每次启动容器的时候用这句话！

docker start xxxx
 
docker exec -it xxxx env LANG=C.UTF-8 bash

emmmm不是一个长久的办法！这样修改只是临时修改。要永久修改，需要在创建容器时在dockerfile中设置。但是要重新创建容器啊。。我都在容器里配了一些东西了。。有点烦，先不弄了，留着下次看看！

——–TODO！

就先这样解决问题了，docker还是挺牛逼的！

参考:

https://www.linuxidc.com/Linux/2017-12/149576.htm

https://m.linuxidc.com/Linux/2017-12/149578.htm

https://github.com/NVIDIA/nvidia-docker

https://tensorflow.google.cn/install/docker