Docker 명령어

Docker

자주 사용하는 Docker 명령어

0. Cuda 셋팅

1.1. nvidia-docker 설치

$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
   && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
   && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
$ sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

1. Dockerfile

ex)
FROM pytorch/pytorch:1.10.0-cuda11.3-cudnn8-runtime

ENV venvName=koamex
WORKDIR /home/workspace
COPY requirements.txt .

RUN apt-get update -y
RUN apt-get install -y git nano
RUN pip install -r requirements.txt

RUN rm requirements.txt

CMD ["/bin/bash"]

2. Image

2-1. 빌드

• 옵션 1) –tag [hello:0.1]

$ docker build <옵션><Dockerfile 경로>

ex)
$ docker build --tag koamex:0.1 .

2-1. Image Hub에서 이미지 받기

$ docker pull <이미지 이름>:<태그>

2-2. Image 목록 출력

$ docker images

2-3. Image 삭제

$ docker rmi <이미지 id>:<태그>

2-4. 모든 Image 삭제

$ docker rmi docker rmi $(docker images -q)

3. Container

3-1. 생성

$ docker run <옵선><이미지 이름><컨테이너 실행 시, 기본 실행 명령어>
$ docker run -it --gpus all -p 8888:8888 -v my_project:my_project --name ubuntu /bin/bash

• 옵션
  1) -i interactive
  2) -t Pseudo-tty
  3) -p [도커 포트:컨에이너 포트]
  4) –name [생성할 컨테이너 이름]
  5) –gpus [사용할 gpu]
  6) -v [host 폴더][컨테이너 폴더]

3-2. 실행

$ docker start <container_id>

3-2. 접속

$ docker attach <container_id>

• 종료 : exit 또는 ctrl+D
• 컨테이너는 그대로 두고, 터미널만 빠져나오기 : ctrl+P, ctrl+q

3-3. 삭제

$ docker rm <container_id>

3-4. 모든 컨테이너 삭제

$ docker rm `docker ps -a -q`