【小白日记】本地环境移到服务器上（docker+conda）

题目描述：本地anaconda配好了某代码所需环境，需要把代码放到服务器上跑。
计谋：服务器上已有docker（和nvidia-docker），考虑将本地环境设置为镜像，上传到服务器后加载镜像，用容器跑代码
省流：不可避免地重新“配了一遍环境”(安装相应的包)
【终极成功的流程】

• 0-预备requirements.txt
  
  
  
  • pip freeze > requirements.txt 从本地相应的anaconda环境中导出requirements.txt备用
    
  
  
• 1-从云端拉取含anaconda的镜像
  
  
  
  • 更常见的情况是首先下载含对应版本pytorch的镜像，用来跑深度学习代码，参考：【10分钟学会Docker的安装和使用_docker安装-CSDN博客】【5 DIY一个本身的pytorch镜像】
    
  • docker pull continuumio/anaconda3
    
    
    
    • 我用 docker search 实在没有搜到，但【（本人自用）将本地的anaconda环境封装到docker中并导出为压缩包_anaconda3环境迁移到docker-CSDN博客】和【学习记录:docker 下摆设anaconda - 知乎 (zhihu.com)】里给出的都是这个镜像，最后我也pull成功了
      
    
    
  
  
• 2-在含anaconda的镜像上构建容器
  
  
  
  • docker images 查看当前有哪些镜像
    
  • docker run --name test240912 -idt continuumio/anaconda3 构建名为test240912的容器
    
  
  
• 3-进入容器，在容器中创建指定python版本的假造环境
  
  
  
  • docker ps查看当前正在运行的容器，docker ps -a查看所有容器（包罗没在运行的）
    
  • docker exec -it test240912 /bin/bash 进入容器test240912，下令行控制（bash）
    
  • 进入容器后可以用conda env list查看conda设置是否正确，输出“base”环境即为正常
    
  • conda create --name my_new_env python=3.8 创建一个python版本3.8的假造环境，名为my_new_env
    
  • conda activate my_new_env 激活my_new_env环境
    
  • 参考事先预备的requirements.txt，pip install {包名} 或 conda install {包名}
    
    
    
    • 为什么不直接pip install -r requirements.txt？因为我没成功
      
    • 假如想尝试直接pip install 所有包，需要先将requirements.txt复制到容器中
      
    • docker cp /path/to/local/requirements.txt test240912:/path/to/where/you/like
      
    
    
  
  
• 4-在容器中配好环境后，将容器生存为新的镜像
  
  
  
  • docker commit -m=‘对镜像的描述’ -a=‘作者’ {当前容器名} {新镜像的命名}
    
  • 比方 docker commit -m=‘对镜像的描述’ -a=‘作者’ test240912 new_image:v1
    
  
  
• 5-将镜像生存为tar文件
  
  
  
  • docker save new_image:v1 -o new_image.tar
    
  
  
• 6-将tar文件传到服务器上，并加载为镜像
  
  
  
  • docker load -i new_image.tar
    
  
  
• 7-在服务器上使用docker镜像
  
  
  
  • nvidia-docker run --gpus all -idt -v /path/to/local/dir:/path/to/dir/in/container --name container-on-server new_image:v1 创建容器，-v实现本地和容器中的文件通讯（同步）
    
    
    
    • 要用nvidia-docker下令，不要用docker下令，否则无法正常使用GPU
      
    
    
  • nvidia-docker exec -it container-on-server /bin/bash 进入容器
    
  • 进入容器后，conda activate 相应环境，竣事
    
  
  

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。