第4章 Docker基础：Docker安装、镜像拉取、容器创建与基本操作

说到多机多卡训练的环境配置，Docker 几乎是绕不开的工具。我刚开始接触分布式训练时，最头疼的就是环境不一致——明明在开发机跑得好好的，到了集群上就各种报错。后来用了 Docker，这个问题才算彻底解决。

说白了，Docker 就是一个轻量级的虚拟化方案。它不像虚拟机那样要装一整套操作系统，而是直接共享宿主机的内核，只把应用和它需要的依赖打包在一起。你想想看，这对我们做深度学习的人来说有多方便？

4.1 Docker 安装

安装 Docker 其实很简单，但不同系统有些小差异。我个人的习惯是，不管用什么系统，都优先用官方推荐的安装方式。

Ubuntu / Debian 系

# 更新包索引
sudo apt-get update

# 安装依赖
sudo apt-get install \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

# 添加 Docker 官方 GPG 密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \
    sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

# 设置稳定版仓库
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装 Docker Engine
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io

# 验证安装
sudo docker run hello-world
小提示：安装完成后，记得把当前用户加入 docker 组，这样就不用每次敲 sudo 了。 
sudo usermod -aG docker $USER
newgrp docker

CentOS / RHEL 系

sudo yum install -y yum-utils
sudo yum-config-manager \
    --add-repo \
    https://download.docker.com/linux/centos/docker-ce.repo
sudo yum install docker-ce docker-ce-cli containerd.io
sudo systemctl start docker
sudo systemctl enable docker

Windows / macOS

直接去 Docker 官网下载 Docker Desktop 安装包就行。嗯，这里要注意：Windows 用户记得开启 WSL2，不然性能会差很多。我在项目中遇到过有人用 Hyper-V 模式跑训练，结果 GPU 透传死活不生效，换成 WSL2 就好了。

4.2 镜像拉取与管理

镜像是什么？你可以把它理解成一个「模板」。这个模板里装好了操作系统、CUDA、cuDNN、PyTorch 等等，你拿来就能用。

常用镜像仓库

仓库地址 说明
Docker Hub 官方仓库，镜像最全，但国内访问慢
NVIDIA NGC NVIDIA 官方镜像，自带 CUDA、cuDNN，做深度学习首选
阿里云 ACR / 腾讯云 TCR 国内镜像加速，拉取速度快

拉取镜像

# 从 Docker Hub 拉取 Ubuntu 镜像
docker pull ubuntu:20.04

# 从 NVIDIA NGC 拉取 PyTorch 镜像（推荐）
docker pull nvcr.io/nvidia/pytorch:23.12-py3

# 查看本地已有镜像
docker images

# 删除镜像
docker rmi ubuntu:20.04
重点：做多机多卡训练时，我强烈建议直接用 NVIDIA NGC 的 PyTorch 镜像。它里面已经配好了 NCCL、CUDA、cuDNN，省去了一大堆编译和调试的麻烦。我曾经自己从零搭环境，光 NCCL 的版本兼容问题就折腾了两天。

4.3 容器创建与基本操作

镜像拉下来之后，就要创建容器了。容器就是镜像的一个「运行实例」。你可以同时跑多个容器，它们之间互不干扰。

创建并启动容器

# 基本用法
docker run -it --name my_container ubuntu:20.04 /bin/bash

# 带 GPU 支持（做深度学习必备）
docker run -it --gpus all \
    --name pytorch_container \
    -v /home/user/data:/workspace/data \
    -p 8888:8888 \
    nvcr.io/nvidia/pytorch:23.12-py3

# 后台运行（detached 模式）
docker run -d --gpus all --name train_container \
    nvcr.io/nvidia/pytorch:23.12-py3 \
    python train.py

参数说明：

  • -it：交互式终端，进去之后可以敲命令
  • --gpus all：让容器能访问所有 GPU
  • -v：挂载目录，把宿主机的目录映射到容器里
  • -p：端口映射，比如 Jupyter 的 8888 端口
  • --name：给容器起个名字，方便管理

容器生命周期管理

# 查看运行中的容器
docker ps

# 查看所有容器（包括已停止的）
docker ps -a

# 停止容器
docker stop pytorch_container

# 启动已停止的容器
docker start pytorch_container

# 进入正在运行的容器
docker exec -it pytorch_container /bin/bash

# 删除容器
docker rm pytorch_container
注意：容器删除后，里面的数据就没了。所以重要的代码和数据一定要通过 -v 挂载到宿主机上。我曾经有个同事，在容器里跑了三天训练，结果不小心把容器删了，模型权重全丢了……嗯，从那以后他每次都会挂载目录。

4.4 核心知识体系

下面这张图是我自己总结的 Docker 核心知识体系，你可以对照着看看自己掌握了哪些。

Docker 核心知识体系 镜像管理 docker pull / push docker images / rmi Dockerfile 构建 容器管理 docker run / exec docker ps / stop / start docker rm / logs 深度学习配置 --gpus all 参数 -v 挂载数据目录 NVIDIA NGC 镜像 核心原则 镜像只读、容器可写 数据持久化靠挂载、环境隔离靠容器

4.5 常用命令速查

命令 作用 示例
docker pull 拉取镜像 docker pull nvcr.io/nvidia/pytorch:23.12-py3
docker run 创建并启动容器 docker run -it --gpus all ubuntu bash
docker exec 进入运行中的容器 docker exec -it container_name bash
docker ps 查看容器列表 docker ps -a
docker commit 将容器保存为新镜像 docker commit container_name my_image:v1
我的习惯：每次创建容器时，我都会把代码和数据目录挂载进去，然后在容器里只装运行时依赖。这样即使容器删了，代码和数据还在。另外，我会用 docker commit 把配置好的环境保存成新镜像，下次直接拉这个镜像就行，省得重复安装。

好了，Docker 基础就讲到这里。你只要把镜像拉取、容器创建、目录挂载和 GPU 透传这几个点搞明白，后面做多机多卡训练的环境配置就会顺畅很多。记住一点：容器是临时的，数据是永久的——挂载目录这个习惯，越早养成越好。

可可精品资料库

← 上一章 📖 返回目录 下一章 →