引言

為什么要用docker， 熟悉docker 其實已經很久了，自從實習的時候覺得它是一個利器以來一直沒有機會使用它，這幾天在折騰caffe環境中，覺得是時候用上Docker了。

需求：構建一個獨立的容器，里面安裝了caffe 的所有依賴，在需要跑代碼的時候，直接運行它。

優點：可以解決各種依賴問題，比如這個軟件需要安裝gcc 4.7 ，而另外一個需要安裝gcc 4.8 等等互斥的環境需求。

Docker 安裝

docker 的安裝和基本使用，可以參照我上面的兩篇博客：安裝篇 和 使用篇。

構建鏡像

構建鏡像有兩種方法：

1，寫Dockerfile,優點是便于共享；

2，從容器中commit，優點是簡單方便，但是不方便共享。

由于安裝caffe環境需要眾多的依賴包，而且由于網絡方面的原因，這些依賴包往往不能一次夠裝好，為了方便起見，這里直接啟動一個基本的容器，然后從里面安裝依賴包。

這邊選擇基本的ubuntu:14.04 來開始構建環境，

1，啟動容器：

sudo docker run --dns 8.8.8.8 --dns 8.8.4.4 --name ubuntu_caffe -i -t ubuntu:14.04 /bin/bash

需要更改dns，是因為如果沒有的話，容器上不了網。

2，依賴包安裝

進入容器之后，所有的操作就跟普通的一個樣了。
首先安裝一些基本的工具：

apt-get install wget
apt-get install unzip
apt-get install python-pip

新建路徑，后面所有的caffe代碼都放在這里

mkdir /home/crw/Caffe
cd /home/crw/Caffe

opencv 的安裝：
github上面有一個一鍵安裝的，但是在容器里面一鍵安裝不了，后面我是把它里面的腳本一句一句的搞出來執行。

#opencv一句一句的運行
arch=$(uname -m)
if [ "$arch" == "i686" -o "$arch" == "i386" -o "$arch" == "i486" -o "$arch" == "i586" ]; then flag=1; else flag=0; fi
echo "Installing OpenCV 2.4.9"
mkdir OpenCV
cd OpenCV
sudo apt-get -y install libopencv-dev
sudo apt-get -y install build-essential checkinstall cmake pkg-config yasm
sudo apt-get -y install libtiff4-dev libjpeg-dev libjasper-dev
sudo apt-get -y install libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev
sudo apt-get -y install python-dev python-numpy
sudo apt-get -y install libtbb-dev
sudo apt-get -y install libqt4-dev libgtk2.0-dev
sudo apt-get -y install libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev
wget http://archive.ubuntu.com/ubuntu/pool/multiverse/f/faac/faac_1.28-6.debian.tar.gz
vi /etc/hosts
ifconfig
sudo apt-get -y install x264 v4l-utils ffmpeg
wget -O OpenCV-2.4.9.zip http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.9/opencv-2.4.9.zip/download
unzip OpenCV-2.4.9.zip
cd opencv-2.4.9
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON ..
make -j4
sudo make install
sudo sh -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
cd ..

caffe 和python依賴包：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install libatlas-base-dev

安裝cuda：
這里面個小技巧就是，如何從host 主機導入數據到容器中，可以使用如下命令（在host上運行）

sudo cp cuda_7.5.18_linux.run /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe

sudo cp cudnn-7.0-linux-x64-v3.0-prod.tgz /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe
sudo cp caffe-master.zip /var/lib/docker/aufs/mnt/92562f161e51994949dd8496360265e5d54d32fbe301d693300916cd56d4e0a2/home/crw/Caffe</pre> 
 
其中，那一長串數字，是你的容器的完全id，可以用命令

docker inspect -f   '{{.Id}}' ubuntu_caffe #ubuntu_caffe 是容器的名字
 
 
./cuda_*_linux.run -extract=`pwd`
./NVIDIA-Linux-x86_64-*.run -s --no-kernel-module
./cuda-linux64-rel-*.run -noprompt
 
 
安裝cudnn：

tar -xvf cudnn-7.0-linux-x64-v3.0-prod.tgz 
cp cuda/include/cudnn.h /usr/local/cuda/include/
cp cuda/lib64/* /usr/local/cuda/lib64/
 
 
安裝caffe：

cd caffe-15.12.07/
cp Makefile.config.example Makefile.config
vi Makefile.config
make all
make test
 
 
安裝caffe 的python綁定

cd python/

apt-get install python-pip
for req in $(cat requirements.txt); do pip install $req; done
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose</pre> 
 
下面這幾個包需要手動自己去裝，用上面的命令一直裝不好。

apt-get install python-scipy
for req in $(cat requirements.txt); do pip install $req; done
pip install -U scikit-learn
for req in $(cat requirements.txt); do pip install $req; done
pip install scikit-image
for req in $(cat requirements.txt); do pip install $req; done
 
 
然后

make pycaffe
 
 
最后， 

 新建一個路徑，以便于磁盤映射

mkdir /media/crw/MyBook
 
 
所有的環境都做好了之后，就可以commit 了

docker commit 92562f161e519 my-ubuntu-caffe
 
 
這樣，就在本地環境中，制作好了一個轉好caffe gpu環境的容器了。

啟動caffe啟動容器：
sudo docker run -ti \
    --device /dev/nvidia0:/dev/nvidia0 \     --device /dev/nvidiactl:/dev/nvidiactl \     --device /dev/nvidia-uvm:/dev/nvidia-uvm \     -v /media/crw/MyBook:/media/crw/MyBook \     my-ubuntu-caffe  /bin/bash
 
 
1，顯卡直通使用， 

 2，文件映射，掛載一個host主機的磁盤到容器路徑下，這里設置為相同，可以減少一些不必要的麻煩。

運行caffe模型訓練
會有提示說找不到cuda啥的，設置一下環境變量即可。
$ export CUDA_HOME=/usr/local/cuda
$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
$ PATH=${CUDA_HOME}/bin:${PATH}
$ export PATH
 
 
cd /media/crw/MyBook/Experience/FaceRecognition/Softmax/try3_3
./train.sh
 
 
Done~
</div>