简略描述在Ubuntu18.04部署Docker+Tensorflow GPU版+Pycharm

简单叙述一下如何在docker中运行tensorflow,并通过Pycharm连接docker进行开发，避免再次踩坑

1.安装nvdia显卡驱动

不一定需要安装cuda，但可以通过安装cuda来自动安装显卡驱动

2.安装docker

这部分网上教程很多了，就不再赘述

3.设置docker镜像加速(可选，此步骤的目的是为了加快pull镜像的速度)

具体可参考：https://www.runoob.com/docker/docker-mirror-acceleration.html

4.安装nvidia docker2

注意 根据nvidia docker的github页面以及我自己的实验，目前最新版本的docker已经原生支持nvidia gpu的调用，只需要在启动镜像时添加--gpus all参数即可。
看似无需额外安装nvidia docker，但这种原生支持并不被Pycharm所支持，所以还是得安装nvidia docker2。

5.修改docker daemon的配置文件

sudo vim /etc/docker/daemon.json

将其内容改为

{
    "registry-mirrors":["https://registry.docker-cn.com"],
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "/usr/bin/nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}

6.重启daemon进程和docker服务

sudo systemctl daemon-reload
sudo systemctl restart docker

7.拉取tensorflow的镜像

执行

docker pull tensorflow/tensorflow:2.0.1-gpu-py3

镜像的tag可以不与上面的一致，可在https://hub.docker.com/r/tensorflow/tensorflow/tags选取适合自己的tag

8.运行tensorflow容器

docker run --rm -it tensorflow/tensorflow:2.0.1-gpu-py3 bash

可加上-v /example:/inner 将宿主机的/example文件夹挂载到容器的/inner,实现文件数据共享

9.安装Pycharm Pro

后面的先挖坑，以后再填

10.配置Pycharm docker支持