用docker搭建Tensorflow的运行环境

首先确保宿主机上已经安装了nvidia，可以用nvidia-smi 查看，如果没有的话可以用下面的方法去安装（Ubuntu系统安装方法）

    安装nvidia
	# 检查适合系统的NAVIDIA版本
	nvidia-detector 
	# 安装nvidia的命令
	apt-get install nvidia-driver-440
	安装完成后需要重启启动系统才能生效

	卸载nvidia	
	sudo apt-get --purge remove nvidia*
	sudo apt-get --purge remove "*nvidia*"
	sudo apt-get --purge remove "*cublas*" "cuda*"
	sudo apt autoremove

请通过 docker -v 检查 Docker 版本。对于 19.03 之前的版本，需要使用 nvidia-docker2 和 --runtime=nvidia 标记；对于 19.03 及之后的版本，将需要使用 nvidia-container-toolkit 软件包和 --gpus all 标记。这两个选项都记录在上面链接的网页上。我这里是20.04版本的docker，所以使用第二种安装方式：

	sudo apt-get update
	sudo apt-get install -y nvidia-container-toolkit
	sudo systemctl restart docker

# 后面可以换成自己需要的tensorflow版本
docker pull tensorflow/tensorflow:devel-gpu
# 拉取一个支持jupyter的tensorflow           
docker pull tensorflow/tensorflow:latest-gpu-jupyter

# 运行tensorflow环境
docker run -itd --name[容器名字] -p 主机端口:容器端口 --gpus all --privileged=true tensorflow/tensorflow:[版本号]

# 进入容器内部
docker exec -it [容器名] bash
apt-get update
apt-get install vim
apt-get install openssh-server
# 修改ssh连接配置，把PermitRootLogin prohibit-passwd改为PermitRootLogin yes
vim /etc/ssh/sshd_config 
passwd root # 修改容器密码
service ssh start # 开启ssh服务

注意：如果pycharm中ssh可以连接，但是sftp无法连接的话，尝试如下操作

vim /etc/ssh/sshd_config
找到如下语句注释掉，然后添加如下语句
#Subsystem      sftp    /usr/libexec/openssh/sftp-server
Subsystem       sftp    internal-sftp
# 重启ssh 服务
service ssh restart