docker pull -- 從遠(yuǎn)程倉庫將鏡像下載至本地
docker run -- 運行一個容器
docker images -- 常看本地鏡像
docker ps -- 查看容器，默認(rèn)只查看已啟動的，加入 "-a" 參數(shù)可以查看所有
docker rm -f ID # 刪除之前的運行容器

重命名容器
docker rename old_name new_name
拷貝文件到容器中
docker cp MLP 95909784d85b:/workspace/
進入容器中
docker exec -u 0 -it testtorch /bin/bash

docker save保存的是鏡像（image），docker export保存的是容器（container）
docker load不能對載入的鏡像重命名，而docker import可以為鏡像指定新名稱。

Step-1：
安裝docker（可以忽略）

Step-2：
拉取anaconda鏡像（docker images檢查看看，已經(jīng)有了的話就跳過這一步）
docker pull continuumio/anaconda3

Step-3：
基于拉取的鏡像創(chuàng)建容器
docker run -i -t continuumio/anaconda3 /bin/bash

Step-4-1：
cd opt/conda/envs
ls（沒有東西）

step-4-2（可選步驟）：
退出容器: exit
查看容器名稱：docker ps -a
可以改容器名稱：docker rename great_chaum ljhpytorch
再次查看容器名稱：docker ps -a


Step-5：
查看本地anaconda中env的路徑（例如：/home/ljh/anaconda3/envs/pytorch/）

Step-6：
可以另起一個終端
把本地的環(huán)境文件復(fù)制到容器中
docker cp /home/ljh/anaconda3/envs/pytorch/ ljhpytorch:/opt/conda/envs


Step-7
啟動容器：docker start ljhpytorch
進入容器：docker exec -u 0 -it ljhpytorch /bin/bash 
查看是否文件已經(jīng)復(fù)制過來cd opt/conda/envs
ls

Step-8：
驗證是否能夠使用環(huán)境：source activate 環(huán)境名稱
例如：source activate pytorch

Step-9：
運用 docker commit 指令將運行的容器保存為鏡像。
docker commit container_name image_name（隨便取） 
例如：docker commit ljhpytorch ljhpytorchimage
docker images可以看到新增了一個鏡像

Step-10：
鏡像導(dǎo)出：
docker save -o image.tar（這個也可以隨便取名字） image_name

給文件夾或文件全部的權(quán)限：sudo chmod -R 777 ./tao/（選擇修改權(quán)限的文件名稱）

scp -r /home/myfile username@192.000.000.000:/home/myfile
其中scp為命令，-r代表移動文件，/home/myfile代表源文件夾所在的絕對路徑，username@192.000.000.000:/home/myfile代表目標(biāo)服務(wù)器中目標(biāo)用戶名的目標(biāo)文件夾。
示例： 【默認(rèn)目標(biāo)服務(wù)器端口22】
scp -r /data/liujiahui/2022/master/ ljh@192.XXX.XXX.XXX:/DataDisk/liujiahui/AllCode/

如果需要指定目標(biāo)服務(wù)器端口：
scp -r -P 5022 /data/liujiahui/2022/master/ ljh@192.XXX.XXX.XXX:/DataDisk/liujiahui/AllCode/

跳出選項，記得輸入yes，然后輸入密碼

Step-1：
鏡像導(dǎo)入
docker load < image.tar

Step-2：
（掛載的同時已經(jīng)創(chuàng)建了容器，容器名稱取決于下面的 --name）
掛載宿主機目錄至容器/data 目錄：（此處需要修改的是宿主機目錄）
這樣可以便于文件的傳輸共享
示例：
docker run -id --gpus all --name ljhcontain -v /home/ljh/Desktop/mydata/:/data/ ljhpytorchimage

Step-3：
進入容器
docker exec -u 0 -it ljhcontain /bin/bash

Step-4：
nvidia-smi
查看是否可以使用gpu
完成！

正常進入容器需要先su進入超級用戶，然后執(zhí)行以下兩個命令
docker start ljhcontain（有時候不需要）
docker exec -u 0 -it ljhcontain /bin/bash

由于不是很好記憶，因此可以通過將上述命令直接寫在bash腳本執(zhí)行，步驟如下：

Step-1：
創(chuàng)建一個文件名為xxxx.sh的空文件，可以直接在home/用戶名/下面創(chuàng)建

Step-2：
在文件中寫入下面兩行（記得修改容器名稱），然后保存
docker start ljhcontain
docker exec -u 0 -it ljhcontain /bin/bash

Step-3：
bash xxx.sh
可以直接一步進入容器（如下圖所示）

注：還有其他通過修改環(huán)境變量等方法，感覺有些麻煩，可以自行研究

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

sudo apt-get install -y nvidia-container-toolkit

apt-get update
apt-get install -y vim

解決方法：
docker start testtorch
docker exec -u 0 -it testtorch /bin/bash  

$ su - root
Password: 
su: Authentication failure
Sorry.

解決辦法：
$ sudo passwd root
Enter new UNIX password: 
Retype new UNIX password: 
passwd: password updated successfully

使用pip安裝python包的時候，出現(xiàn)以下錯誤：
bash: /opt/conda/envs/pytorch/bin/pip: /home/ljh/anaconda3/envs/pytorch/bin/python: bad interpreter: No such file or directory

解決方法：
在容器中解決問題
step-1:【如下圖所示】
which pip
獲得pip路徑

step-2：【如下圖所示】
which python
獲得python路徑

step-3：【如下圖所示】
vim pip路徑
這里可能會vim報錯，解決方法參考問題3

step-4：
vim常用操作指令:
按下i表示開始編輯
按下Esc表示保存并退出編輯
退出編輯之后按下：wq可以退出vim

這一步需要完成的是修改把文件第一行的路徑修改為step-2獲取的路徑【如下圖所示】

step-5：
測試是否成功
pip -V

import cv2
出現(xiàn)以下報錯：
ImportError: libGL.so.1: cannot open shared object file: No such file or directory

解決方法：
apt-get update
apt-get install ffmpeg libsm6 libxext6  -y