本文主要是介绍使用Docker配置深度学习环境——以diffusers为例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Docker的其他信息可以在我的网站上找到，这里假设安装完成了，直接上手。
git clone 仓库地址
打开docker目录，找到目标版本：
sudo docker build diffusers-pytorch-cuda
如果失败，尝试使用换源：
sudo nano /etc/docker/daemon.json
把
"registry-mirrors" : ["https://registry.docker-cn.com","http://hub-mirror.c.163.com","https://docker.mirrors.ustc.edu.cn","https://cr.console.aliyun.com","https://mirror.ccs.tencentyun.com"], 放到最前面
过程中如果 [internal] load metadata for docker.io/nvidia/cuda:12.1.0-runtime-ubuntu20.04失败，单独pull一个docker
pip 失败：
docker 内部换源，在docker file中加入：
RUN pip install -U pip
RUN pip config set global.index-url http://mirrors.aliyun.com/pypi/simple
RUN pip config set install.trusted-host [mirrors.aliyun.com](http://mirrors.aliyun.com/)
使用docker
sudo systemctl start docker
常见的Docker操作命令：
- 搜索仓库镜像：docker search 镜像名
- 拉取镜像：docker pull 镜像名
- 查看正在运行的容器：docker ps
- 查看所有容器：docker ps -a
- 删除容器：docker rm container_id
- 查看镜像：docker images
- 删除镜像：docker rmi image_id
- 启动（停止的）容器：docker start 容器ID
- 停止容器：docker stop 容器ID
- 重启容器：docker restart 容器ID
- 启动（新）容器：docker run -it ubuntu /bin/bash
- 进入容器：
docker attach 容器ID或docker exec -it 容器ID /bin/bash，推荐使用后者。
这篇关于使用Docker配置深度学习环境——以diffusers为例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
