版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文前提：已经安装了docker,nvidia-docker.
安装mmdection，要求的环境与正在使用的cuda,python版本不同，要安装高版本的cuda.
想到Nvidia人性化的提供了各种镜像供我们直接下载使用。
地址：https://hub.docker.com/r/nvidia/cuda
首先，需要注意的base、runtime、devel三者的区别。
★★★ devel版本里面才有 NVCC 编译器 ★★★
其次，根据自己的系统、cuda、cudnn版本选择下载。
1：打开对应链接，就可以看到对应的官方提供的Dockerfile文件。
2：下载该文件，并重命名为Dockerfile.
3：修改，如下
4：到该Dockerfile所在路径
docker build -t fcll:v0.1 .
5：其他常用操作
容器：
docker stop 容器ID 停止运行容器
docker start 容器ID 运行容器
docker ps -a 查看所有容口
docker rm 容器ID 删除指定容器
docker logs 容器ID 查看容器日志
docker exec -it 容器ID /bin/sh 进入到运行中的容器，cat /etc/resolv.conf 查看文件
ctrl+p+q 退出并保持运行容器
docker export 容器ID > docker_tensorflow.tar 导出容器
cat docker_tensorflow.tar | docker import - [image name]:[tag] 导入容器
镜像：
docker images 查看所有镜像
docker rmi -f 镜像ID 删除指定镜像
docker run -d 镜像ID 创建容器ID
docker run -p 8080:8080 -t mxnet/env 创建并运行一个容器
docker run -dti --name tensortest tensorflow/tensorflow /bin/sh ==>创建一个容器不进入
docker save 镜像ID > 镜像.tar ==》保存镜像 docker save 4431ddcz7e4a > /home/docker_tensorflow.tar
docker load < 镜像.tar ==》加载镜像 docker load < /home/docker_tensorflow.tar
docker tag 镜像ID 镜像名称 ==》起镜像别名 docker tag 77146ca185 tensorflow:gpu 重命名
docker pull 镜像名
docker build -t tensorflow/tensorflow . ==>生成镜像 folder(jar包和dockerfile)
【docker volume】
sudo docker volume create --name vol_simple
–
sudo docker run -d -v /root/data: /root/data tensorflow/bin/bash参考链接：