Docker-(2) 常用命令

docker images

# 导入
docker load -i [retinaface.tar]
# 导入后使用下述命令给images 命名
docker tag 8ca8dfe44635 retinaface
# 导出
docker save [IMAGE ID] > [retinaface.tar]
# 指定名称删除镜像
docker rmi [java:8]

# 导入
docker import [name.tar]
# 导出
docker export [container ID] > [name.tar]
# 停止所有正在运行的容器
docker stop $(docker ps -q)
# 删除（如果容器正在运行，需要加-f）
docker rm [container ID]
# 删除所有正在运行的容器
docker rm -f $(docker ps -q)

# 从image中创建container并运行，具体参数见 docker run --help
docker run -d [retinaface:v1] /bin/bash
# 在容器内使用gpu，使用--runtime = nvidia设置选项，或者有些版本如Docker 18用nvidia-docker
docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
nvidia-docker run --rm nvidia/cuda nvidia-smi
# 在Docker 19.03或更高版本中，设置选项--gpus all
# 指定GPU: --gpus "device=1"
docker run --gpus all --rm nvidia/cuda nvidia-sm
docker run -d --shm-size 32g -v /home/kpp/mydata:/workspace -p 2422:22 -p 7777:8888--name vector --gpus all vectornet:v4
# 进入正在运行的container，exec退出使用ctrl+D
docker exec -it [name/id] /bin/bash
# 或者，attach退出使用ctrl+p ctrl+q
docker attach [name/id]
# docker exec 和docker attach 都可以进到container的shell,  但是有区别。
# docker exec在容器内会起一个新的进程，docker attach 只会把标准输出输入连接到容器内的PID1 
# Attach就像投屏，如果你从两个终端attach到一个container，当你在一个终端输入的时候，
# 内容会出现在另一个终端，两个终端是连接在同一个tty上的。
# 用attach方式进到container，当从终端退出来的时候，container是会被关闭的。 
# exec是不会这样的，不同终端连接到不同的tty，退出终端的时候不会关闭container的main process.
# 启动未在运行的container
docker start [name/id]
# 查看所有container或查看正在运行的container
docker ps -a
docker ps
# 容器导出为image, -a为名字，-m为更改信息
docker commit -a "baozoudelimi" -m "add 20170309 xxxx message" [contain_id] [image_name]

# 查看运行日志
docker logs [container-id]
# 查看哪些容器在跑代码
docker stats  # cpu占用高的，大概在跑代码
docker top [containerName]  # 查看容器在跑的进程PID
docker inspect [containerName] | grep Mounts -A 20

# 编辑文件/etc/ssh/sshd_config
# 添加一行PermitRootLogin yes表示ssh允许root登录
echo "PermitRootLogin yes" >> /etc/ssh/sshd_config

# 随后一定要重启ssh服务
service ssh restart

passwd root

vim ~/.bashrc

# 然后添加下面三行到文件中
export LIBRARY_PATH=/usr/local/cuda/lib64/stubs
export LD_LIBRARY_PATH=/usr/local/nvidia/lib:/usr/local/nvidia/lib64
export PATH=/opt/conda/bin:/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin

# 保存退出后运行
source ~/.bashrc

jupyter notebook --allow-root --ip 0.0.0.0