Docker

도커?: 독립된 환경에서 개발하기 위한 도구

우리는 GPU를 분리하기 위해 사용함

기본 개요

Dockerfile (설계도)
    ↓ (docker build)
Docker 이미지 (실행 파일)
    ↓ (docker run)
Docker 컨테이너 (실행 중인 프로그램)

1. Dockerfile

Dockerfile: docker 이미지를 만들기 위한 설정 파일

현재 다음과 같은 dockerfile을 만들어 놓았음

FROM nvidia/cuda:12.1.0-cudnn8-devel-ubuntu22.04
ARG DEBIAN_FRONTEND=noninteractive
RUN apt update
RUN apt install -y git python3 python3-pip
RUN python3 -m pip install --no-cache-dir --upgrade pip

WORKDIR /data/MLP/docker_test

내용은 궁금하시면 찾아보면 될 것 같습니다. (중요하지 않음)

2. Docker image

(base) ubuntu@gpu-1:~/mlp_docker_files$ pwd
/home/ubuntu/mlp_docker_files

(base) ubuntu@gpu-1:~/mlp_docker_files$ ls
test_dockerfile

(base) ubuntu@gpu-1:~/mlp_docker_files$ cat test_dockerfile 
FROM nvidia/cuda:12.1.0-cudnn8-devel-ubuntu22.04
ARG DEBIAN_FRONTEND=noninteractive
RUN apt update
RUN apt install -y git python3 python3-pip
RUN python3 -m pip install --no-cache-dir --upgrade pip

WORKDIR /data/MLP/docker_test

(pwd, ls, cat 명령어는 매일 사용하실 ubuntu 명령어니까 찾아보시면 좋을 것 같습니다. 중요함)

2.1 docker image 빌드

test_dockerfile이라는 Dockerfile이 있을 때, 다음의 명령어로 docker image 빌드 가능.

docker build -f [Dockerfile name] -t [Docker image name] .

[Dockerfile name] 에는 위에서 만든 dockerfile인 test_dockerfile이 들어감.

[Docker image name]에는 만들고자 하는 docker image의 이름을 넣으면 됨.

2.2 빌드된 image 확인

docker images

혹은

docker image list

명령어를 통해 빌드되어있는 image의 리스트를 확인할 수 있음.

3. 컨테이너 생성, 실행, 접속

3.1 컨테이너 생성

docker create -it --gpus device=[gpu number] --name [container name] [image name]

run 명령어를 통해 컨테이너 생성 및 실행

[gpu number]에는 2, 3, 4, 5등 사용할 gpu 번호 입력 (!!중요!! 본인 할당받은 GPU 번호만 입력)

[container name]에는 생성할 container 이름 입력

[image name]에는 docker images 명령어를 쳤을 때 나오는, 본인이 빌드한 도커 이미지 입력

3.1.1 생성된 컨테이너 확인

docker ps -a 명령어를 통해 생성된 컨테이너 확인

오른쪽 끝의 NAMES를 보면 test_container가 있는 것을 확인할 수 있음.

그리고 해당 이미지는 "created" 상태

3.2 컨테이너 실행

docker start [container name]

[container name]에는 컨테이너 이름 입력

docker start test_container

이제 docker ps -a를 쳐보면 Status가 Up으로 변경된 걸 확인 할 수 있음.

3.3 컨테이너 접속

docker exec -it [container name] bash

컨테이너에 접속함

4. 컨테이너 나가기, 종료, 삭제

나가기: 컨테이너 내부에서 exit 입력

종료: exit으로 나가지면, docker ps -a로 실행중인 컨테이너 삭제한 뒤, 본인의 컨테이너 이름에 맞춰서 docker stop [container name] 입력

삭제: docker rm [container name] 입력

컨테이너 삭제는 더이상 해당 컨테이너를 쓰지 않을 것 같을 때 하면 됩니다. 일반적으로는 그냥 나가기 및 종료를 한 다음, 다시 docker start [container name]을 하시면 됩니다.

이렇게 도커에 들어오면 이제 지정한 GPU만 독립적으로 보이게 됩니다.

VSCode에서 docker 사용

컨테이너가 실행되고 있어야 함

1. VSCode 좌측의 extensions 탭에 "dev container" 입력

2. Install dev container

3. VSCode 좌측의 Remote explorer에서 Dev containers 클릭

4. 본인이 만든 container에 attach

5. Open folder에서 "/data/MLP/[dir name]" 입력

꼭!!! /data/MLP/ 위에 만들어지는 디렉토리에서 작업하셔야합니다.

숙제

각자의 gpu번호에 맞는 Dockerfile을 사용해서

1. 이미지 빌드

2. 컨테이너 생성

3. 컨테이너 실행

을 해보신 뒤, VSCode로 Docker에서 작업해보세요

기존에 있던 이미지는 다 지워놨습니다