接上篇部落格
有時我們在伺服器中需要配置不同的深度學習環境來進行模型訓練，特別是伺服器共享時，無法在同乙個環境中進行模型訓練。這時安裝docker，在docker裡配置不同的環境即可解決這個問題，也便於管理。
1、使用apt-get 指令進行安裝，不要將apt-get 指令替換為阿里源或者清華源等國內映象，由於國內映象源更新不到位，安裝docker 時會出現bug，使用系統自帶的即可。具體步驟如下所示：
(1)
sudo apt-get update注：可能遇到如圖1.1 所示的錯誤，解決方案,將keys更改為報錯的金鑰：
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 7ea0a9c3f273fcd8圖1.1
安裝部分截圖如圖1.2 所示
圖1.2
(4)
curl -fssl | sudo apt-key add -注:顯示『『ok』』即成功，可能遇到圖1.3 所示的錯誤，解決方案見鏈結:
圖1.3
(5)
sudo add-apt-repository 「deb [arch=amd64] $(lsb_release -cs) stable」注:如果是arm 架構的需要替換為『『arch=arm64』』，比如jetson nano、tx2、nx、agx
(6)
sudo apt-get update(7)檢視docker-ce 版本，如圖1.4 所示
圖1.4
(8)選擇19.03.11 版本，此過程可能稍長一點，但不是很久，喝杯茶就過去了
sudo apt-get install docker-ce=5:19.03.113-0ubuntu-bionic(9)驗證是否安裝成功，出現如下圖1.5 所示時即安裝成功
圖1.5
(9)檢視docker 版本，如圖1.6 所示
docker --version圖1.6
安裝好了普通的docker 以後，如果想在容器內使用gpu 會非常麻煩（並不是不可行），好在nvidia 為了讓大家能在容器中愉快使用gpu，基於docker 開發了nvidia-docker，使得在容器中深度學習框架呼叫gpu 變得極為容易。按以下步驟進行nvidia-docker 的安裝。
注：安裝nvidia-docker 之前必須安裝顯示卡驅動，以下方法適用於docker-ce 19.03(或19.03之後的版本)
(1)
distribution=$(. /etc/os-release;echo idid(2)idversion_id)
curl -s -l | sudo apt-key add -(3)
curl -s -l | sudo tee /etc/apt/sources.list.d/nvidia-docker.list(4)安裝後部分截圖如圖1.7 所示
圖1.7
(5)
sudo systemctl restart docker(6)測試nvidia-docker 是否安裝成功，如圖1.8 所示即安裝成功，也會顯示安裝的顯示卡資訊
圖1.8
至此，docker的安裝已經結束。
linux下cuda環境的安裝
這種安裝的方式更簡單 cuda compute unified device architecture，統一計算架構 是由nvidia所推出的一種整合技術，是該公司對於gpgpu的正式名稱。透過這個技術，使用者可利用nvidia的geforce 8以後的gpu和較新的quadro gpu進行計算。輸...
ubuntu18 04中安裝使用docker
直接上步驟 1 首長更新一下系統 sudo apt get update sudo apt get upgrade 2 我選擇的是從ubuntu儲存庫安裝docker版本 sudo apt install docker.io 3 安裝完成後，啟動docker並使用systemctl命令將其新增到引導...
安裝用於深度學習的CUDA環境
下面正式介紹在64位win8.1系統下安裝theano的過程 在anaconda下安裝mingw包即可，不需要安裝tdm gcc或者mingw steup.exe等，在cmd下輸入 conda install mingw libpython 即可在anaconda的安裝目錄下看到mingw包，然後在...