寫在前面

OS版本：centos7
Anaconda版本：3.5

一、Docker安裝

安裝教程連結：https://github.com/ufoym/deepo#GPU，執行如下圖的Step1和Step2：

$ yum install docker
$ yum install nvidia-docker

注意： image類似作業系統映象檔案等，一個image可以對應多個容器（container）。

二、Docker使用

1、首先在需要使用的地方建立資料夾，比如，我自己建立的資料夾名稱是docker，然後在docker下面建立兩個子資料夾data和config（必須是data和config）。

2、使用下面的命令執行映象

$ nvidia-docker run -it -p 8888:9999 --ipc=host -v /home/hdj/jupyter/docker/data:/data -v /home/hdj/jupyter/docker/config:/config ufoym/deepo bash

其中，-p 8888:9999的作用是將docker中的9999埠對映到伺服器本地的8888埠。（這裡的主要作用是，在之後會安裝jupyter，給其指定埠號9999，但是jupyter的埠windows下不能直接訪問，所以我們需要將其對映到伺服器本地，這樣在win下才可以訪問）。/home/hdj/jupyter/docker/data:/data

3、拉取完畢之後，如果想要使用自己的容器（使用自己的容器，就相當於使用一個獨立的系統，以後使用無論怎麼更改都不會影響別人的容器，也不會影響docker外的系統），需要得到唯一的Docker Container ID，當安裝完成後，可以在系統中使用sudo docker ps -a命令檢視：

4、得到Container ID之後，使用下面命令進入Docker互動視窗：

$ sudo docker exec -it 9d9a30b563c9 /bin/bash
 

其中，9d9a30b563c9是Container ID。

注： 使用docker exec –it時提示：Error response from daemon: Container is not running。可以先嚐試：
Step1：$ sudo docker start <container id>
Step2：$ sudo docker exec -it <container id> /bin/bash

三、Docker常用命令

進入互動視窗之後，就可以像在Docker容器外面使用軟體一樣。

注： 將需要執行的程式檔案儲存在data資料夾下。

1、以執行python程式LSTM訓練模型為例，若想使用深度學習模型，則需要安裝tensorFlow-gpu，如果使用sudo pip install tensorflow-gpu則會提醒tensorflow-gpu已經安裝過，所以我們不需要再次安裝。若後臺執行程式，只需要進入程式所在路徑執行nohup python ***.py >log.txt 2>&1 &即可。
2、若檢視已經執行的python程式，使用命令：ps –ef | grep python
3、若檢視GPU使用情況，使用命令：nvidia-smi
4、檢視GPU情況，並定時重新整理情況：nvidia-smi –l
5、將容器重新命名：docker rename <container id> new_name，如docker rename 9d9a30b563c9 lina
6、刪除映象：docker rmi <image id>，使用sudo docker images可以檢視所有映象。
7、刪除容器：docker rm -f <container id>，使用 docker ps –a可以檢視所有容器。

四、Docker下安裝jupyter

首先進入docker，這裡直接安裝anaconda，比較方便。

1、安裝jupyter

Step1：下載anaconda安裝包

# wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.1.0-Linux-x86_64.sh

Step2：安裝anaconda

# bash Anaconda3-5.1.0-Linux-x86_64.sh

若提示安裝位置，可以直接Enter，也可以指定目錄，如下圖所示：

接著會提示是否希望將PATH寫入/root/.bashrc，輸入yes。

之後，使用下列命令使.bashrc檔案立即生效：

# source ~/.bashrc

我們可以使用conda -V檢視anaconda版本。

Step3：安裝jupyter

# conda install jupyter notebook    

若已經安裝成功，則不需要再安裝，會有提示。

使用jupyter notebook檢視是否docker內部jupyter可以啟動成功。

2、配置windows下遠端訪問jupyter

Step1：安裝和使用ipython

# conda install ipython 
# ipython 進入python shell互動

若進入成功，則說明ipython可正常使用。使用exit退出。

Step2：生成jupyter配置檔案

# jupyter notebook --generate-config

輸出Writing default config to: /root/.jupyter/jupyter_notebook_config.py即表示生成成功。注意： 這一步是在docker內，不是在ipython內。

Step3：使用ipython生成密碼

# ipython //進入ipython互動模式
In [1]: from notebook.auth import passwd
In [1]: from notebook.auth import passwd

輸入密碼，會輸出Out[2]: 'sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135'，這串字串會在配置檔案中用到。

Step4：修改預設配置檔案

# vi ~/.jupyter/jupyter_notebook_config.py    # 開啟配置檔案

新增如下內容：

c.NotebookApp.ip='*'     #設定所有ip都可以訪問，即不限制ip
c.NotebookApp.password = u'sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135'     # sha1:2a058da6fe75:fb78a12fbd27443b268f3b890fac016b74a38135便是上面生成的一串雜湊值
c.NotebookApp.open_browser = False     # 禁止自動開啟瀏覽器
c.NotebookApp.port = 9999    # 指定一個埠，這裡埠指定9999，因為我們在執行docker已經將docker的9999地址對映到了伺服器本地的8888埠

Step4：啟動jupyter

使用下列命令啟動jupyter：

# jupyter notebook --allow-root

Step5：遠端訪問jupyter

訪問地址：http://server_ip:8888，按照提示輸入密碼（剛ipython中輸入的密碼），登入就可以使用了。

參考文章：
[1] docker安裝anaconda資料分析
[2] Docker - Container is not running
[3] deepo