docker一些介绍">1 docker一些介绍

注（92服务器上已经配置好docker，但是需要sudo命令才能运行）
这俩篇文章介绍了docker大概是怎么玩的。
大白话Docker入门（一）
https://www.atatech.org/articles/65782#6
大白话Docker入门（二）
https://www.atatech.org/articles/65863

基本使用的话，了解这些应该差不多了
1 sudo docker images
查看镜像，镜像简单的理解就是一些运行环境的集合，加载镜像就把这些特定的环境加载进来了，具体使用后面会介绍。

2 sudo docker ps
查看正在运行的CONTAINER，CONTAINER就是你运行各种程序的空间。

3 了解images以及了解CONTAINER就基本上能使用了。
3.1运行：（根据自己情况修改）

sudo nvidia-docker run --privileged=true --device /dev/nvidia-uvm:/dev/nvidia-uvm --device /dev/nvidia0:/dev/nvidia0 --device /dev/nvidia1:/dev/nvidia1 --device /dev/nvidiactl:/dev/nvidiactl -it -v /home/hx133330:/home/huxiang reg.docker.alibaba-inc.com/yihao/tensorflow:latest-devel-gpu

其中nvidia相关的表示加载gpu，-v 表示将本地的/home/hx133330里面的数据加载到docker容器的/home/huxiang这个路径里面，需要加载其他数据可以使用多个-v，最后那个reg.docker.alibaba-inc.com/yihao/tensorflow:latest-devel-gpu为要加载的镜像名。

例如这里我就新建了一个名为container id为feb2a130d5c5的容器中来了，这里并把我hx133330里面的工作内容加载进来了。这里你可以有自己的权限安装各种环境。

3.2 保持镜像
自己配置好的坏境需要保持的，可以使用如下命令。

sudo docker commit container-id imagesName 

例如：保持我自己的镜像，下次使用的时候就可以直接加载我的镜像了。

sudo docker commit feb2a130d5c5 huxiang

使用sudo docker images，可以查看所保存的镜像。

3.3 其他常用命令
注意一般情况下，不使用exit，container里面的程序会一直运行下去（关机后也会，可以用于跑模型）。attach命令是关掉之前的终端并重新进入container，所以会关掉正在运行的程序。
1 进入之前所创建的container。

sudo docker attach container-id

2 退出container
exit
3 查看所有container

sudo docker ps -a

4 删除已经关掉的container（有时候忘记rm掉，可以看到存在很多没有运行的container了，可以rm掉）

sudo docker rm container-id

以上使用的话差不多够了。其他的命令可以直接网上搜索。

jupyter-notebook的使用介绍">2 jupyter notebook的使用介绍

要在docker 容器中使用jupyter notebook需要配置端口地址，即在运行docker时，增加-p 命令即可。
例如，我的为：

sudo nvidia-docker run -p 7777:8888 --privileged=true --device /dev/nvidia-uvm:/dev/nvidia-uvm --device /dev/nvidia0:/dev/nvidia0 --device /dev/nvidia1:/dev/nvidia1 --device /dev/nvidiactl:/dev/nvidiactl -it -v /home/hx133330:/home/huxiang huxiang

8888为jupyter notebook在容器中打开的端口号（默认，不需修改），要映射到服务器上，这里7777（根据自己情况修改，有时候可能端口已经被占用）即为服务器上映射过来的jupyter notebook的地址，这样我们就能在浏览器上使用jupyter notebook了，很方便。

注意，jupyter notebook打开的所在目录即为你在当前docker 容器中的当前目录，所以我这里cd 到了我的工作目录。

打开http://11.238.150.92:7777，（服务器地址加端口地址），即可进入。

这样就可以愉快的使用jupyter notebook啦。
具体使用方式可以参考这个：
Python·Jupyter Notebook各种使用方法记录·持续更新
http://blog.csdn.net/tina_ttl/article/details/51031113