当前位置：首页 > news >正文

Docker 安装及使用

news 2025/11/5 0:50:51

1 下载并安装

访问Docker Desktop for Windows下载页面，按照安装向导的指示完成安装。在安装过程中，将提示安装 WSL 2，建议勾选此选项以获得更好的性能。

2 汉化包

下载适用于 Docker Desktop 的中文语言包，具体流程参考博客。

3 配置镜像源

设置--docker engine，添加如下图所示的镜像源地址。

{"insecure-registries": [],
  "debug": true,
  "experimental": false,"registry-mirrors": ["https://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn","https://registry.cn-hangzhou.aliyuncs.com"]
}

4 测试

4.1 经典hello world

在cmd中输入docker run hello-world，但是有如下图报错，这个错误表明Docker客户端尝试访问Docker Hub或其他Docker注册中心时出现了问题。具体来说，是在尝试获取注册中心API的响应时遇到了错误。可能的原因包括网络问题、认证问题、注册中心URL不正确或者注册中心服务本身不可用。

最快的方法是挂个梯子，正确输出为如下：

该命令会让docker从官方仓库中拉去hello-world的镜像到本地,并且自动将其实例化成容器。

4.2 运行容器示例

搜索并拉取nginx，在Images“镜像”中运行容器，设置容器运行选项（名称、端口、路径存储），进程查看（CPU运行情况、I/O磁盘读取情况、网络读写情况等）验证了解。

其中报错如下，可按博客修改端口号，并将之前未建立成功的容器删除，重新运行。

测试成功，可正确运行！

5 实战

运用 Docker 基于 Anaconda 的 PyTorch 项目从 Windows 开发环境迁移到 Linux 生产环境。

Windows环境：Windows11 + Anaconda3 + python3.10.18 + torch1.12.0 + cu113

5.1 代码架构及内容

项目目录结构示例：
gpu-test/
├── src/
│   ├── gpu_test.py
├── Dockerfile
└── requirements.txt

# gpu_test.py
import torchdef main():if torch.cuda.is_available():device = torch.device("cuda")x = torch.rand(5, 3).to(device)print(f"GPU 可用! 张量:\n{x}")print(f"CUDA 版本: {torch.version.cuda}")print(f"设备数量: {torch.cuda.device_count()}")else:print("GPU 不可用")if __name__ == "__main__":main()

# Dockerfile -Linux/Windows系统均可构建
# 使用官方可用镜像
FROM pytorch/pytorch:1.12.0-cuda11.3-cudnn8-devel# 设置工作目录
WORKDIR /app# 复制所有必要文件
COPY requirements.txt
COPY src/ ./src/# 安装Python依赖（根据需求调整）
RUN pip install --no-cache-dir -r requirements.txt -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

# 设置启动命令
CMD ["python", "./src/gpu_test.py"]

# requirements.txt
xarray
# xx为需求版本号
numpy == xx
pandas

5.3 构建docker镜像

在gpu-test目录下调出cmd命令窗口，首先输入docker build --platform linux/amd64 -t gpu-test:1.0 .命令构建，再输入docker run --gpus all gpu-test:1.0命令运行，随后输入docker save -o gpu-test.tar gpu-test:1.0命令保存，如下图所示。

Linux 系统

1754462197855