离线安装Docker以及NVIDIA-docker

硬件

显卡
显卡驱动 英伟达 cuda-drivers

1.软件综述：

 1.installed the NVIDIA driver and Docker engine for your Linux distribution Note
   01. NVIDIA driver     install the cuda-drivers
   02. Docker engine
 2 ###cuda
    nvcc  --version nvcc是CUDA的编译器,可以从CUDA Toolkit的/bin目录中获取,类似于gcc就是c语言的编译器
    nvidia-smi 是NVIDIA System Management Interfac
 3.nvidia-docker 是英伟达公司专门为docker方便使用GPU设备，而开发的一种插件
   nvidia-container-toolkit    还是 nvidia-docker2 
   Docker 19.03的发布，不赞成使用nvidia-docker2软件包，因为Docker运行时中现在已将NVIDIA GPU作为设备本地支持
   nvidia将提供原生的显卡支持,只需要安装 nvidia-container-toolkit工具包不再像使用nvidia-docker/2那样复杂配置，而且不支持用docker-compose

2.安装docker

版本 >=19.03
1.安装
 方式一： 在线安装 
     sudo apt-get update
	 # 查看版本
	 apt-cache madison docker-ce
	 # 安装特定版本 sudo apt-get install docker-ce=5:18.09.1~3-0~ubuntu-xenial docker-ce-cli=5:18.09.1~3-0~ubuntu-xenial containerd.io
     sudo apt-get install docker-ce docker-ce-cli containerd.io
	 
 方式二：离线docker 
  步骤1：下载deb包
   https://download.docker.com/linux/ubuntu/dists/xenial/pool/stable/amd64/
  步骤2：安装
     sudo dpkg -i  containerd.io_1.2.2-3_amd64.deb
     sudo dpkg -i  docker-ce-cli_19.03.9_3-0_ubuntu-xenial_amd64.deb
     sudo dpkg -i  docker-ce_19.03.9_3-0_ubuntu-xenial_amd64.deb
	 
 2.确认是否安装成功
    docker --version
	docker  version

 3.包说明：
   docker依赖清楚的情况下
   containerd.io - daemon to interface with the OS API (in this case, LXC - Linux Containers), 
                   essentially decouples Docker from the OS, also provides container services for non-Docker container managers
   docker-ce - Docker daemon, this is the part that does all the management work, requires the other two on Linu
   docker-ce-cli - CLI tools to control the daemon, you can install them on their own if you want to control a remote Docker daemon	
   
 参考： https://docs.docker.com/engine/install/ubuntu/

安装 nvidia-docker

离线安装版本

注意 nvidia-container-toolkit需要主机已安装当前新版的docker 19.03
下载方法：
参考 https://github.com/NVIDIA/nvidia-docker  ，
   在一台可以上网的机器上，配置apt源，用来下载deb包
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
root@ubuntu:~/nvidia-docker-package# . /etc/os-release;echo $ID$VERSION_ID
ubuntu16.04
##1.更新源
#Ubuntu 16.04/18.04, Debian Jessie/Stretch
# Add the package repositories
$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
$ 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
#2.下载包
    $ apt download libnvidia-container1
    $ apt download libnvidia-container-tools
    $ apt download nvidia-container-toolkit
###3.分析依赖-确定安装顺序
   apt show nvidia-container-toolkit
   apt show libnvidia-container-tools
   apt show libnvidia-container1
   
###4.安装-把下载的包放到要安装的服务器中，安装安装
    sudo dpkg -i libnvidia-container1_1.4.0-1_amd64.deb
	sudo dpkg -i libnvidia-container-tools_1.4.0-1_amd64.deb
	sudo dpkg -i nvidia-container-toolkit_1.5.0-1_amd64.deb
	
###5 重启docker
 sudo systemctl restart docker

###6.创建容器 un表示create+start,是创建新容器  镜像 + 标签
 sudo docker run --rm --gpus all -v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash
 
备注说明： 
方法一：  安装nvidia-container-toolkit，后添加—gpus参数来使用
   使用nvidia-container-toolkit的最大优点：linux主机不需要安装 CUDA toolkit，仅安装显卡驱动 cuda-drivers 即可
   sudo docker run --gpus all -v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash

方法二：  nvidia-docker2 and nvidia-container-runtime
 安装nvidia-container-runtime，在首次运行时添加—runtime=nvidia参数，后续启动、结束都不需要再加
 sudo apt-get install nvidia-container-runtime
 sudo docker run --gpus all-v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash

nvidia-docker2

###各个包具体情况
libnvidia-container  提供一个库和一个简单的CLI程序，
   使用这个库可以使NVIDIA GPU使用 Linux  容器。
   https://github.com/NVIDIA/libnvidia-container

nvidia-container-runtime
   它在原有的runc容器运行时的基础上增加一个 prestart hook用于调用 libnvidia-container 库
    https://github.com/NVIDIA/nvidia-container-runtime

nvidia-docker2.0 是一个简单的包，它主要通过修改docker的配置文件 
来让docker使用 NVIDIA Container runtime	
    https://github.com/NVIDIA/nvidia-docker  


###nvidia-docker 离线的资源获取
    相同linux的有网的下载3个包到当前目录，拷贝这些包到没有网的服务器上。
     apt download libnvidia-container-tools
     apt download nvidia-container-runtime
     apt download nvidia-docker2
	 scp
	 sudo dpkg -i
     sudo systemctl daemon-reload
     sudo systemctl restart docker

###查看依赖包顺序
    检查软件包依赖关系
     apt-cache depends nvidia-docker2
     apt-cache rdepends nvidia-docker


       apt-cache depends nvidia-docker2
       nvidia-docker2
         依赖: nvidia-container-runtime
        |依赖: docker-ce
        |依赖: <docker-ee>
         依赖: docker.io
         破坏: <nvidia-docker>
         替换: <nvidia-docker>
       apt-cache depends nvidia-container-runtime
       nvidia-container-runtime
         依赖: nvidia-container-toolkit
         依赖: nvidia-container-toolkit
         依赖: libseccomp2
       apt-cache depends nvidia-container-toolkit
       apt-cache depends libseccomp2
	   apt-cache rdepends nvidia-container-runtime
       apt-cache rdepends nvidia-container-runtime-hook
	程序位置
		 /usr/bin/nvidia-container-runtime
	 配置位置
	    /etc/docker/daemon.json
	 配置内容
        {
            "runtimes": {
                "nvidia": {
                    "path": "/usr/bin/nvidia-container-runtime",
                    "runtimeArgs": []
                }
            },
            "insecure-registries":["12.10.12.12:1212"]
        }
####通过apt命令已安装软件
      apt list --installed |grep docker
###进入和一些操作
		sudo docker run --runtime=nvidia     -v /data:/data   --name="gpu_form" --shm-size="8g"  -it gpu:latest
		sudo nvidia-docker start "ai_platform"
		sudo nvidia-docker exec -it  "ai_platform"  /bin/bash	 

登录docker 私有服务器

#01.登录
    docker login 100.100.100.100:8000  # 账号密码 会提示写入

 解决办法：  docker的守护进程参数配置一般在文件 /etc/docker/daemon.json
 在/etc/docker/daemon.json配置中加入非安全仓库，允许用http协议拉取，写法很简单
 { "insecure-registries":["100.100.100.100:8000"] }
 然后        
   sudo systemctl daemon-reload #守护进程重启  
   sudo service docker restart #重启docker服务
 # 下载镜像  
  使用工具： docker
  使用命令： docker pull 100.100.100.100:8000/cnn/cnn_update:latest
02.加载镜像
  cd /home/test/registry/ 
  sudo docker load < cnn_update.tar
03. 查看镜像是否加载成功
 sudo docker images 
  #100.100.100.100:8000/cnn/cnn_update         latest                            000000f3514b        1 hours ago        0.5GB
04.根据镜像创建docker 容器
 sudo docker run --gpus all -v /home/test:/home/test  -v /data:/data --name "test_act" --shm-size="8g" -it 100.100.100.100:8000/cnn/cnn_update:latest bash
 初次创建环境后，会直接进入容器
05.命令	  stop rm    --it，进入了命令交互界面
  sudo  docker start "test_train"
  sudo  docker exec -it  "test_train" /bin/bash

说明

 01. 主机有GPU硬件--GPU驱动
 02.  cuda
 03.  主机安装docker 有nvidia-docker
 应用：创建container 需要有 --gpus 参数
         sudo docker run --runtime=nvidia  --gpus all  -v /home/premodel:/home/premodel_bigdata    -v /data:/data   --name="ai_mine" --shm-size="8g"  -it ai_dev:latest

  离线的情况下，可以将下载好的backbone 放在  ~/.cache/torch/hub/checkpoints/ 中即可
      /root/.cache/torch/hub/checkpoints/vgg16-397923af.pth
      cp /home/premodel/vgg16-397923af.pth /root/.cache/torch/hub/checkpoints/

参考

 https://docs.docker.com/engine/install/ubuntu/