pytorch: 使用docker
为了不用搭环境去使用GPU服务，然鹅太费钱了，每一分钟都在烧钱，扛不住了，决定自己搭环境吧，毕竟有GPU可用。
1. 服务器上已有的环境就是docker集群，所以很简单，pull一个pytorch的镜像就可以开始啦
去官网找合适的pytorch镜像版本，服务器上cuda是11.0的，但官网上面没有该版本，我选择了10.1版本的。
docker pull pytorch/pytorch:1.3-cuda10.1-cudnn7-devel，如果权限不够需要加sudo
（有博客说要和cuda版本一致，否则docker run会报错，我是没办法，只能一试，发现可以run。）
耐心等待就好。
2. 使用docker images查看，看看镜像仓库里是不是有了我们刚刚拉取的镜像
pytorch/pytorch是镜像名称， 1.3-coda10.1-cudnn7-devel是标签， fe0f6ec79dbf是镜像id
3. 使用该镜像创建运行一个容器：sudo docker run -t -i pytorch/pytorch:1.3-cuda10.1-cudnn7-devel /bin/bash
如果想在一开始就设置容器在后台运行，那么需要在-it后面加-d，会返回容器ID
如果想要使用gpu加速， 将docker run改成docker-nvidia run即可。
参数说明：
-i: 交互式操作。
-t: 终端。
pytorch/pytorch:1.3-cuda10.1-cudnn7-devel: 这是指用 pytorch:1.3-cuda10.1-cudnn7-devel 版本镜像为基础来启动容器。
/bin/bash：放在镜像名后的是命令，这里我们希望有个交互式 Shell，因此用的是 /bin/bash。
@后面的0d10ba3b0aaf就是启动的容器id
4. 常用命令
docker exit：退出容器（即使run的时候规定了-d后台运行，一样会结束）
Ctrl + P + Q：退出容器保持后台运行
docker ps：查看已有容器 （docker ps -n 1：可以看到刚刚操作的容器，做一个筛选）
因为run的时候没有规定容器的命名，所以想办法改一下这个容器的这些属性。
首先看到容器有ID和名字，但都有点难记，所以还是自己给它命名一个好记。
docker rename old_name new_name ：重命名容器
docker start：启动已被停止的容器
docker stop：停止运行中的容器
docker restart：重启容器
docker exec -it ContainerName /bin/bash：再次进入一个正在运行的容器，使用docker exit也不会真的结束。
docker exec -u 0 -it ContainerName /bin/bash: 以root身份进入容器
docker attach 容器名或id：从后台进入正在运行的容器
docker cp 本地路径 容器ID:容器路径：拷贝本地文件到容器
5. 把数据都拷贝完了之后，就可以使用python xx.py开始跑代码啦，缺什么包就pip安装，优先使用国内源。
pip in install xx -i https://pypi/tuna/tsinghua.edu.cn/simple
如果要指定GPU有好几种方法：
（1）CUDA_VISIBLE_DEVICES = 1 python xx.py （命令行）
（2）os.environ['CUDA_VISIBLE_DEVICES'] = '1' （代码里）
（3）net = Net.cuda(1) （代码里，没试过）
（4）net = torch.nn.DataParallel(model, device_ids=[1]) （代码里，没试过）
推荐一款全能终端神器：MobaXterm，上传下载删除文件很快，对界面用户非常友好，还特别可爱！待机时间长了会有可达鸭飞出来！
