[docker] 도커🐋 차근차근 알아보기 2

이번엔 앞서 하던 도커 이미지 말고 다른 식으로 시도해보았다. 앞서 시도한 것은, 파일까지 자동으로 돌릴 수 있는 image 를 만들어서 run 명령어 하나에 끝내는 것이었는데, 생각을 바꾸어서, 필요한 docker 환경을 열면 그 안에서 필요한 파일들을 실행시키는 형식으로 하도록 하였다.

필요한 cuda image를 pull 해오고, 그 pull 해온 image 에 내가 필요한 라이브러리들을 추가로 install 하여 나만의 custum docker image 를 만들어서, 배포가 가능하게 docker hub 에 올리는 것 까지 하였다.

혹시 도커 설치부터 하고싶은 사람은 [docker] 도커🐋 차근차근 알아보기 여기 참고!

docker login

docker login

로그인 하자마자 sock permission denied…

group 에 권한 설정해주면 된다. chomod 666으로 read write 등 다 가능하게 해주자

sudo chmod 666 /var/run/docker.sock

다시 로그인하니 성공하였다 호호

## docker run

gpu 를 사용할 것이므로 –gpus 태그를 추가하고, all 은 gpu가 몇개던 다 읽어오겠다는 뜻이다 만약 4개중 0번과 1번째것만 가져오고 싶다면 –gpus ‘“devices=0,1”’ 으로 설정해주면된다. -v 다음에 $(pwd)는 현재 작업위치를 뜻하고 그 뒤에 내가 접근하고 싶은 경로를 적어준다. 나는 절대경로로 넣어주었다. 그리고 –rm 뒤에는 사용할 도커이미지 풀네임을 쓰고 실행..!

docker run --gpus all -it -v $(pwd):/home/clkim/GONGIN --rm  nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04

run 이후 추가로 설치해 준 것!

apt-get update -y
apt-get -y install libgl1-mesa-glx
apt-get install -y python3-pip python-dev build-essential
pip3 install --upgrade pip
apt-get install vim
pip install tensorflow-gpu==2.0.0

만약 첫줄부터 다음과 같은 GPG KEY 에러가 난다면..

아래 명령어 실행하면 된단다!

apt-key del 7fa2af80 && apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/3bf863cc.pub

하지만 난 안되므로.. 아래 사이트들을 참고하여서 pub key 지우고 본인이 해당하는 cuda 버전의 key를 받아서 써주자 https://developer.nvidia.com/blog/updating-the-cuda-linux-gpg-repository-key/

https://forums.developer.nvidia.com/t/updating-the-cuda-linux-gpg-repository-key/212897/7

예시))

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-keyring_1.0-1_all.deb

또한, TIME OUT 에러시 아래 명령어를 실행해보자

sudo pip install --default-timeout=100 future

에러들을 해결했다면 다음 basrh 에 cuda 정보를 추가하자!

vim ~/.bashrc

하면 bashrc 코드가 나오는데, 여기에다가 본인의 cuda 버전에 맞게끔 수정하여서 맨 아래에다가 아래 내용을 삽입해주자! 나는 cuda 10.0 이라서 10.0

# <<< conda initialize <<<
export PATH=$PATH:/usr/local/cuda-10.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export CUDADIR=/usr/local/cuda-10.0
export CUDA_NVRTC_LIB=/usr/local/cuda-10.0/include/nvrtc.h
export CUDA_HOME=/usr/local/cuda-10.0/

source ~/.bashrc

이런식으로 본인이 필요한 라이브러리 등을 설치하여 환경을 구성하였고, 파일이 잘 돌아간다면 완성! 이다.

image push

이제 최종적으로 내가 필요한 라이브러리들이 다 설치된 컨테이너를 image 로 만들어 push 하면된다.

먼저, 현 container 상태로 image 로 만들기 위해 아래 명령어를 실행해준다.

docker commit -m [image 설명] -a [ 사용자 mail ] [ container Name or ID ] [ 생성할 image name : Tag ]

docker commit -m "tensorflow 2.0 image with cuda10.0" -a "example@naver.com" bbEXAMPLE75fb5 example:v0.1

암호문자같은것이 생성되었다

이미지 생성확인! 성공하였다.

이제 image tag 작업을 해주자! 내 아이디를 앞에 써주면 된다.

docker tag [ image name or Tag ] [ docker hub ID 혹은 private registry ip:port ]

docker tag noah:v1.0 zzennin/noah:v1.0

이제 push 해주자 (push 는 docker login 한 상태에서 하는거 잊지 말자)

docker push noah:v1.0

이제 끝!

/ . . . 하면 좋을텐데 나는 또 에러.. 에러난 사람 여기 모여~

아래 사이트대로 nameserver 추가해준 후 restart 해주니 되었다! 굿!

https://stackoverflow.com/questions/47580528/error-response-from-daemon-get-https-registry-1-docker-io-v2-dial-tcp-look

알아두면 편리한 도커 명령어들!

도커 컨테이너 빠져나오기

그냥 exit 치고 엔터~

같은 image의 도커 컨테이너 더 만들기

컨테이너 더 열고싶으면! container id 를 알고 다음 명령어를 치면 됨

docker exec -it [container id 혹은 이름] /bin/bash

docker exec -it 2fee1f881c52 /bin/bash