基於Deepo快速配置深度學習環境

在開始深度學習之前，需先做好一件小事，那就是配置環境，配環境的煩惱配過的都知道，話不多說，直奔主題……

在閱讀本文之前需要了解：docker是什麼？docker的常用命令有哪些？（當然，不了解也沒有關係，按照本文所述步驟一步步來就可以不明覺厲的配好環境了hiahiahia）

ufoym/deepo是乙個幾乎包含所有主流深度學習框架環境的docker映象：theano, tensorflow, sonnet, pytorch, keras, lasagne, mxnet, cntk, chainer, caffe, torch。借助該映象，可以快速配置環境，

配置環境七步走，如下：

step 2：執行映象，建立容器

sudo nvidia-docker run -it --name=容器名 -v 宿主機目錄:/容器內目錄 -p 自定義埠號（此處假定為23333）:22 ufoym/deepo bash

執行該命令後就進入了docker中。（建立容器的命令也是在不斷變化的，具體需要看官方文件，如果nvidia-docker run不能用的話，可以試試sudo docker run --gpus all -it ）

其中，-v是實現目錄掛載，關於目錄掛載，可參考

-p是埠對映，對映成功後可以直接通過對映後的埠訪問docker。

舉例：假設伺服器ip位址為**.**.*.***，埠對映為 -p 23333:22 -p 23334:6006 -p 23335:8888，其中8888是jupyter的預設埠，6006是tensorboard的預設埠。則可

通過**.**.*.***的23333埠可以直接訪問docker，無需通過22埠進入伺服器，再在伺服器中進入docker

同一網段內的任意瀏覽器都可以通過**.**.*.***:6006來訪問tensorboard（前提：已開啟tensorboard服務）

同一網段內的任意瀏覽器都可以通過**.**.*.***:8888來訪問jupyter（前提：已開啟jupyter服務）

至此，已經可以使用docker開始工作了……後面的操作是為了提高使用體驗。

接下來，步驟3,4,5是為了開啟docker的tcp 22埠，以便通過docker的埠號直接ssh訪問docker。3，4，5，6步均在docker中進行操作。如果不開啟22埠，是沒有辦法通過對映的埠號直接登入docker的。

step 3：在docker內安裝openssh-server。

apt-get install openssh-server

如果安裝失敗，執行apt-get update與apt-get upgrade，然後再次嘗試安裝。

step 4：修改配置檔案

如果不把permitrootlogin prohibit-password注釋掉，會禁止root用密碼登入

首先用vim /etc/ssh/sshd_config開啟檔案，然後將permitrootlogin prohibit-password用#注釋掉 ,新增一行permitrootlogin 改為yes

# 參考

step 5：開啟ssh服務，這樣就可以通過對映後的埠直接訪問docker。

service ssh restart （或者/etc/init.d/ssh start

或者service ssh start），這三個命令總有乙個管用

step 6：設定root密碼，輸入passwd root然後回車，依照提示輸入密碼即可。

step 7：退出容器

如果用exit退出容器的話，那麼在退出之後會關閉容器。tcp服務也不能用了，自然就不能直接訪問docker

所以，採用快捷鍵ctrl+p+q退出容器而不關閉容器，下一次就可以直接通過對映後的埠訪問docker。

好了，至此大功告成，歡迎批評指正。

完成以上配置之後，便可以像這樣使用docker...

# 前提：在docker中開啟ssh服務，即service ssh restart；docker處於開啟狀態，即可以通過docker ps檢視到你的docker #進入docker ssh -p [自己設定的埠號] root@[ip位址] #使用jupyter

在docker中開啟jupyter服務，然後在本地電腦瀏覽器上進入****.**.*.***:8888