关于连接Linux Docker
我们以前使用的是Docker Toolbox，在配置的时候pycharm也是自动填充的是关于Docker Toolbox的信息，看来是对 Docker Toolbox的支持是比较好的。
我们需要了解以下几件事：
1、Docker是无法远程挂载目录的，只能挂载宿主机的目录
2、Pycharm会在连接到"Docker宿主机"后会在宿主机中建立一个/c/User/...目录
3、我们需要用的Pycharm的Deployment功能把我们的工程同步到/c/User..目录中
4、我没有试验其它目录下的工程，不知道会不会创建一个/d/xxx的目录
好了，让我们开始
一、我们准备下
1、在我们宿主机上安装docker，现在docker 也学mysql分了ce和ee版本，安装ce版本就行，centos上需要注意firewall，ubuntu需要15.10版本及以上。
2、安装各种软件
3、设置加速器
4、pull一个基本镜像下来（docker pull ubuntu）
二、设置docker端口
Docker默认是不开启端口的，我们需要在service文件中设置
1、 修改 service文件
不同的Linux系统service的配置文件所在位置不同，我们可以通过systemctl status docker来查看
Ubuntu
Centos
我们需要修改进入.service文件中在/usr/bin/dockerd命令后加上：
-H tcp://0.0.0.0:2375 -H unix:///var/run/docker.sock
2、 systemctl daemon-reload #重载service文件
systemctl restart docker #重启docker service
3、 查看docker端口
netstat –tulnp | grep docker
好了，我们的docker程序已经监听到了2375端口上了。
Centos要么关防火墙，要么添加端口进去
三、pycharm连接docker
pycharm连接docker使用的是tcp协议，不过http协议也是可以的。
当你填完后先别OK，先apply，pycharm会测试是否连接成功。centos注意防火墙
（除了api_url和name，其它的都是不需要的，这是因为pycharm默认是docker toolbox而自动填充这些值，处女座的同学可以删掉，反正他们不生效，注意那个share是不生效的）
PyCharm设置
用过python的人对pycharm肯定非常熟悉了，能不能在pycharm里使用docker呢？pycharm says-yes！不过，首先你需要一个Professional edition版的pycharm。下面开始设置（）：
- 保证Docker integration和Python Docker两个插件是开启的 Professional版的pycharm默认是安装了这两个插件，并且是开启的。
-
docker配置
在pycharm的设置->build,Execution,Deployment->Docker页面里，点击‘+’号就会出现一个docker设置页面，我们是Linux系统所以我们在Connect to Docker daemon with选项里直接选Unix socket就可以了。如果设置成功会在下方看到Connection successful的提示，如果你跳过了安装docker和MXnet中的第2步，这一步就会有权限不够的错误提示。如果这一步成功了，就可以在pycharm下方看到Docker tool window，这是一个用来管理镜像，容器的可视化工具。
在这里可以很方便的启动，停止，添加和删除镜像、容器。也可以查看容器的一些参数。当然也可以使用docker的指令进行这些操作。
-
为你的代码配置镜像里的解释器
其实整篇文章就只为了这一步，只要我们的代码能使用镜像里的python解释器，那就达到了我们的目的了。添加本地解释器大家应该都会。在Professional版的pycharm里有个添加远程解释器。我们就是用这个点击后会出现下边这个对话框
我们选择Docker这个选项，此时Server和Python interpreter path已经自动填好，大家不用管它，主要是选择你要使用的镜像。如果你不使用GPU版的镜像，那么其实到了这一步就已经配置好了。 说一下我这里为什么选择tensorflow/tensorflow:latest-gpu镜像，不是已经装好了MXnet了嘛？说多了都是泪啊！MXnet的镜像里并没有吧MXnet安装在python的安装包路径下，而是在根路径下，使用
nvidia-docker run -it mxnet/python:gpu bash指令启动时通过设置PYTHONPATH=/mxnet/python环境变量让python可以使用，但是！当你在pycharm中启动时，这个环境变量是没有设置的。所以import mxnet会不成功。这个问题还是有方法解决的，就是在Edit Configuration里添加环境变量。而且只能在这里添加，别的地方添加不好用，反正我实验的是不行的。使用tensorflow的镜像就不会有这个问题，因为tensorflow是安装在python的的路径下的。所以请大家在接下来也先使用tensorflow作为这次配置的镜像，我们这次的目标是能在GPU上跑，所以用下面的指令下载GPU版的
docker pull tensorflow/tensorflow:latest-gpu -
使用GPU运行你的代码
到这里有人就会发现问题，之前我们装了docker和nvidia-docker那pycharm用的是哪一个呢？很不幸的是pycharm使用的是标准的docker。 那么这就有问题，我们不能使用GPU做运算。如何才能使用GPU呢？ 实际上如果我们用的是nvidia-docker1我们可能还需要安装docker-compose和nvidia-docker-compose，很不幸nvidia-docker-compose不能和nvidia-docker2兼容，那怎么办？看，这个连接提供了解决的方法就是吧"default-runtime": "nvidia",添加到/etc/docker/daemon.json文件中{ "default-runtime": "nvidia", "runtimes": { "nvidia": { "path": "/usr/bin/nvidia-container-runtime", "runtimeArgs": [ ] } }}- 接下来是非常关键的一步，也是最白痴的一步,我在这里卡了很久。
重启docker的守护进程
重启docker的守护进程 重启docker的守护进程sudo pkill -SIGHUP dockerd由于我的电脑下班后不关机，所以只要我不主动重启docker守护进程，这几天就从没有重启过。这样我们刚刚改的daemon.json文件是不会生效的。所以一直不能使用GPU运算。
四、设置Interpreter
这时候我们就可以设置我们的interpreter了
