ubuntu20.04安装docker情况

风雨同行 · 2025-5-21 14:33:01

一、安装docker

安装docker
1. sudo apt-get install docker.io
复制代码
检察版本(验证 Docker 是否安装乐成)
1. sudo docker version 或 docker -v
复制代码
将当前用户加入 docker 用户组（制止每次运行 docker 都需要使用 sudo）
1. sudo usermod -aG docker $USER
复制代码
留意：执行此操作后需要注销并重新登录。
启动
1. sudo systemctl start docker.service
复制代码
检察状态
1. sudo systemctl status docker
复制代码
修改docker源和修改镜像路径
- 可以使用docker info 检察当前docker的默认存储目录。可以看到docker存储驱动步伐和默认存位：
  Storage Driver: overlay
  Docker Root Dir: /var/lib/docker
- 停止docker服务
  1. sudo systemctl stop docker.service
  复制代码
- 迁移/var/lib/docker目录下面的文件到 /data/xxx/docker；(留意xxx是你自己界说的目录，找个磁盘空间大一点的目录)
  1. sudo cp -r /var/lib/docker/* /data/xxx/docker/
  复制代码
- 创建或编辑 Docker 的保卫进程配置文件：(默认情况下这个配置文件是没有的，这里实际也就是新建一个)
  1. sudo gedit /etc/docker/daemon.json
  复制代码
- 添加以下内容：(留意xxx是你自己界说的目录)
  1. {
  2. "data-root": "/data/xxx/docker",
  3. "registry-mirrors": [
  4. "https://docker.1ms.run",
  5. "https://docker.xuanyuan.me",
  6. "docker.m.daocloud.io",
  7. "docker.imgdb.de",
  8. "docker-0.unsee.tech",
  9. "docker.hlmirror.com",
  10. "cjie.eu.org"
  11. ],
  12. "default-runtime": "nvidia",
  13. "runtimes": {
  14. "nvidia": {
  15. "args": [],
  16. "path": "nvidia-container-runtime"
  17. }
  18. }
  19. }
  复制代码
- 保存文件并重启 Docker：
  1. # 重启docker服务sudo systemctl daemon-reloadsudo systemctl restart docker
  3. sudo systemctl status docker
  4. docker info # 校验一下是否更改乐成docker ps -adocker images # 确认之前的镜像还在# 校验是否能下载镜像docker run ubuntu:15.10 /bin/echo "Hello world"
  复制代码
- 确定容器、镜像没题目后删除/var/lib/docker/目录中的文件。
  1. rm -rf /var/lib/docker/*
  复制代码
docker中使用GPU
- 方法一: 使用nvidia-container-runtime：
  - 添加库： Link
    curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | \
    sudo apt-key add -
    distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
    curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
    sudo apt-get update
    复制代码
  - 安装nvidia-container-runtime：
    sudo apt-get install nvidia-container-runtime
    systemctl restart docker
    #重启docker
    复制代码
  - 测试验证：（启动命令中添加参数：–gpus all 或 --gpus "device=1"指定）：
    docker run --gpus all --rm nvidia/cuda:11.0-base nvidia-smi
    复制代码
- 方法二：安装 NVIDIA Container Toolkit
  - 设置 NVIDIA Container Toolkit 仓库：
    curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
    curl -s -L https://nvidia.github.io/nvidia-docker/$(. /etc/os-release; echo $ID$VERSION_ID)/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
    复制代码
  - 更新软件包索引并安装 NVIDIA Container Toolkit：
    sudo apt update
    sudo apt install -y nvidia-container-toolkit
    复制代码
  - 配置容器运行时：
    sudo nvidia-ctk runtime configure --runtime=docker
    复制代码
  - 重启 Docker 服务：
    sudo systemctl restart docker
    复制代码
  - 验证安装是否乐成：
    docker run --rm --gpus all nvidia/cuda:12.0.1-base nvidia-smi
    复制代码
- 离线安装GPU的docker情况
  前提：已经安装好了docker(需要docker版本>=19.03)，可以用docker -v进行测试说明：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作为装备当地支持
  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
  在docker19以前都需要单独下载nvidia-docker1或nvidia-docker2来启动容器，docker19后跑需要gpu的docker只需要加个参数–gpus all 即可
  - 联网机器设置仓库和GPG密钥
    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
    复制代码
    着实，distribution就是你的体系名称，例如：ubuntu22.04等，可以通过cat /etc/os-release等命令检察，检察后替换命令中的内容就行，并设置成暂时变量。
  - 在联网的机器上下载包
    apt download libnvidia-container1
    apt download libnvidia-container-tools
    apt download nvidia-container-toolkit-base
    apt download nvidia-container-toolkit
    复制代码
    或者在NVIDIA的GitHub主页找到Ubuntu体系对应的NVIDIA Container Toolkit安装包，页面的安装包较多，搜索关键词“1.17.4”，进行下载安装包即可：
    libnvidia-container1_1.17.4-1_amd64.deb          # 基础库包，提供了最基本的功能，其他包都依赖于它
    libnvidia-container-tools_1.17.4-1_amd64.deb    # 基础工具包，依赖于 libnvidia-container1
    nvidia-container-toolkit-base_1.17.4-1_amd64.deb  # 基础组件包，依赖于前面的包
    nvidia-container-toolkit_1.17.4-1_amd64.deb    # 主要的工具包，依赖于以上所有包
    libnvidia-container1-dbg_1.17.4-1_amd64.deb    # 调试符号包，只在调试问题时使用
    libnvidia-container-dev_1.17.4-1_amd64.deb       # 开发包，只在进行开发时使用
    复制代码
    此中最后两个安装包可以选择不下载和不安装
  - 拷贝到离线机器上安装(留意：需要按顺序安装)
    # 按顺序执行
    dpkg -i libnvidia-container1
    dpkg -i libnvidia-container-tools
    dpkg -i nvidia-container-toolkit-base
    dpkg -i nvidia-container-toolkit
    复制代码
  - 检察NVIDIA Container Toolkit的版本以验证是否安装乐成
    nvidia-ctk --version
    复制代码
  - 设置Docker默认使用NVIDIA runtime
    sudo nvidia-ctk runtime configure --runtime=docker
    复制代码
  - 重启docker服务
    systemctl restart docker
    复制代码
  - 创建容器
    docker run --rm --gpus all -v /home/test:/home/test -v /data:/data --name "test_act" --shm-size="8g" -it ufoym/deepo:latest bash
    复制代码
  - 备注：
    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
    复制代码
  - 参考博客
    - Ubuntu在线/离线安装nvidia-docker2
    - 离线安装Docker以及NVIDIA-docker
    - Ubuntu 22.04离线安装Docker和NVIDIA Container Toolkit

二、docker基本操作(以Ultralytics为例)

# 拉取镜像
docker pull ultralytics/ultralytics:latest
# 查看端口号是否被占用
lsof -i 12345
# 创建容器
docker run --gpus all -it --name cc_yolo2 -u root -v /data:/workspace/data -w /workspace/data -p 12345:12345 ultralytics/ultralytics:latest /bin/bash
# 启动容器
docker start cc_yolo2
# 进入容器
docker exec -it cc_yolo2 bash
# 查看其torch的库安装位置
pip show torch
# 删除容器
docker rm -f 容器ID

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

		自动登录	找回密码
密码			立即注册

ubuntu20.04安装docker情况

本帖子中包含更多资源

0 个回复

快速回复

楼主热帖

标签云

浏览过的版块