基础命令

  • 查看有那些镜像
xxxxx:5000/v2/_catalog
  • 查看具体项目的tag列表
xxxx:5000/v2/project/repo/tags/list
  • 启动一个镜像
docker run -it --rm -v $PWD:/tmp -w /tmp self_image_name self_command

其中

  • -v: 将宿主的目录挂载到容器内部
  • -w: 指定工作目录
  • 启动一个镜像(web应用，需要端口映射)
docker run -it --rm -v $PWD:/tmp -w /tmp -p 5000:5000 self_image_name self_command
  • 查看容器内部的标准输出
docker logs -f bf08b7f2cd89
  • 查看容器内部运行的进程
docker top wizardly_chandrasekhar
  • 查看容器的配置和状态信息
docker inspect wizardly_chandrasekhar
  • 更新镜像
docker commit -m="has update" -a="runoob" e218edb10161 runoob/ubuntu:v2
  • 打tag（push到仓库）
docker tag 860c279d2fec runoob/centos:dev

docker login xxxx.com

docker push a/b/c/image_name:v1.0.0

GPU 环境安装

NVIDIA Docker 安装

如需在 Linux 上启用 GPU 支持，请安装 NVIDIA Docker 支持 验证 nvidia-docker 安装效果

docker run --gpus all --rm nvidia/cuda nvidia-smi

tensorflow环境安装

  1. 拉取镜像（版本自已指定）

    docker pull tensorflow/tensorflow:1.14.0-gpu

  2. 启动

    docker run --gpus all -it tensorflow/tensorflow:1.14.0-gpu bash

或者，指定特定的那一块GPU

```sh
docker run --gpus '"device=2"' -it tensorflow/tensorflow:1.14.0-gpubash
```

pytorch环境安装

  1. 拉取镜像（版本自已指定）

    docker pull pytorch/pytorch:1.6.0-cuda10.1-cudnn7-runtime

  2. 启动

    docker run -it --rm --init --gpus all  pytorch/pytorch:1.6.0-cuda10.1-cudnn7-runtime bash

或者，指定特定的那一块GPU

 docker run -it --rm --init --gpus '"device=2"'  pytorch/pytorch:1.6.0-cuda10.1-cudnn7-runtime bash