在高高兴兴搞了一个云服务器决定开始学习深度学习的时候，决定自己配一个环境。在历尽千辛万苦之后，参考了众多从零的深度学习搭建方法，最终还是失败了。于是乎，我决定直接用deepo的docker镜像来帮助我快速搭建一个深度学习环境并进行jupyter的服务配置，这里我是用mobaxterm连接的云服务器。

话不多说，进入正文

一、docker的安装

docker 的安装和基本操作，参考官方文档 docker install ，按流程复制粘贴即可。

如果最后运行 docker -v ，输出了 docker 的版本就说明你已经成功地安装了小鲸鱼（docker）了！

（例如version 20.10.12, build 20.10.12-0ubuntu2~18.04.1）

或者 运行 docker run hello-world，能输出结果，也说明成功安装了。当运行容器时，使用的镜像如果在本地中不存在，docker 就会自动从 docker 镜像仓库中下载，默认是从 Docker Hub 公共镜像源下载，默认标签是latest。

二、NVIDIA-docker的安装

原本的docker不支持使用GPU，所以NVIDIA单独做了一个docker，来让docker镜像可以使用NVIDIA的gpu。这里也推荐大家跟着教程一步步走下来就可以了，nvidia-docker quickstart。

运行 nvidia-smi 命令，能输出正确信息代表驱动安装成功，如下。

 ps：右上角的CUDA Version不代表已经安装cuda，而是能支持的cuda的最高版本。

  三、深度学习环境的配置

这里使用镜像是deepo

可以直接通过命令：

docker pull ufoym/deepo （docker run --runtime=nvidia --rm ufoym/deepo nvidia-smi）

就可以把各种框架都下载下来。但是这样太大了，耗时太长，大家可以按需选择。

此外它还提供了jupyter notebook版的镜像：

docker pull ufoym/deepo:all-jupyter-py36-cu100

大家可以按需选择自己需要的版本ufoym/deepo - Docker Image | Docker Hub

安装好之后，通过docker images -a命令，可以查看已经下载好的镜像。

 这里我们看到ufoym/deepo镜像已经成功下载

四、进入容器配置jupyter

1. 在服务器创建文件夹来放自己数据和代码

cd /root/Documents  (其中root是用户名)
mkdir workspace

 2.进入容器

之前已经下载了深度学习jupyter notebook镜像（ufoym/deepo:all-py36-jupyter-cu100）不同版本可以根据实际情况更改

启动容器：

nvidia-docker run -it -p 7777:8888 --ipc=host -v /root/workspace:/workspace --gpus all --shm-size 8G --name dl  ufoym/deepo:all-py36-jupyter-cu100

• -it：为直接进入交互式 ；
• -p 7777:8888：是把主机的7777端口映射到容器的8888端口；
• -ipc=host：可以让容器与主机共享内存 ；
• --name xxxxx：给容器起一个名字便于后续操作
• -v /root/workspace:/workspace：指示docker挂载目录，这样可以在容器环境内部进行访问。如果您有数据集或代码文件，将它们设置为可在特定目录上使用，并通过此选项进行挂载。可以将主机上的 /root/workspace 地址挂载到容器里，并命名为/workspace，这样这个文件夹的内容可以在容器和主机之间共享，即在主机里上传到/root/workspace，容器里的/workspace就可以同步看到
• --shm-size 8G ：默认分配很小的内参，在训练模型时不够用，可以通过参数设置
• --gpus all：把所有的GPU加入到docker环境中的

 这样我们就可以成功的进入容器当中，这时用ls命令，应该可以看到一个新的文件workspace就产生了！此时我们已经成功一大半了（手动狗头）

3.配置jupyter notebook

①生成jupyter的配置文件

jupyter notebook --generate-config  #运行完会得到配置文件的地址

/root/.jupyter/jupyter_notebook_config.py        是生成的路径

②设置密码

现在terminal输入ipython

然后依次输入

from notebook.auth import passwd
passwd()

再输入密码即可，密码是看不见的，没有变化无需疑惑

 复制得到的密钥（out[2]的输出），后面修改配置文件的时候会用到

 ③修改配置文件

用vim编辑代码段

vim /root/.jupyter/jupyter_notebook_config.py

 在最后插入如下内容：

c.NotebookApp.allow_remote_access = True
c.NotebookApp.ip = '*'
c.NotebookApp.open_browser = False
c.NotebookApp.password = u'sha1:49fd342fa081:b4267cdc24b271573301a7f8c84cc9927dcc3b30'        #这里换成刚刚生成的内容
c.NotebookApp.port = 8888   #记得服务器开放相应端口

 修改完成后保存退出

④启动jupyter

#允许root启动
jupyter notebook --allow-root

看到如下内容就是成功启动了！！！

 五、远程登录jupyter

用win+R打开运行cmd

#把服务器的7777映射到本地的7777
ssh -L:7777:localhost:7777 用户名@服务器ip

 然后输入服务器密码，成功连接云服务器。

在本地机器上，在浏览器中输入： http://服务器IP地址:7777，即可打开jupyter.

最后输入jupyter密码即可成功登录！