Skip to content

yinguoweiOvO/CQU_531_Secrets

BranchesTags
 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

28 Commits
tools/dogcom
tools/dogcom
 
 
README.md
README.md
 
 

Repository files navigation

重大软院531实验室秘籍

我发现在研究生学习中遇到的很多问题都是相似的，不管是科研任务、代码实现、服务器管理。但一届一届的师兄师弟都在找着同样的资料，浪费着同样的时间。我希望这种经验贴能够帮助新老同学，新同学能够更快入门，老同学没必要去纠结自己一年前解决过的问题。个人能力有限，希望同学们一起分享、订正、补充 (留下Issues或者直接联系我) 🤗。

Notes: 很多内容没有具体详细的代码和指令，只会提供一个思路或者关键词，希望同学们能够善用ChatGPT、Bing AI、Google 😀。

Tips:

  • 代码问题：优先查看相应的官方文档、Github官方仓库的Issues（很多软件或者包都是开源的，都有官方仓库，特别是当你复现人家论文的时候，找到作者的仓库，然后直接看Issues或者提出Issues）、Bing AI
  • 论文问题：最好看原文，再结合官方代码。知乎或者CSDN解析都差很多意思，而且最新的文章一般没有（该建议来自于其它大佬）
  • Latex问题：Bing AI、Google、Overleaf（Overleaf上其实有很多很多Latex相关的语法或者编译问题解答，文档较全，一般能解决问题）
  • Adobe破解：https://baiyunju.cc/8602 （一般来说老的版本可以用amt-emulator，去破解amtlib.ddl，只要包含amtlib.ddl的版本应该都能破解，不仅仅是2017及以前。但是vposy大神的版本感觉更好用更安全点，就是可能百度网盘下载速度有点问题，这里也有个妥协的办法）
  • 实验问题：推荐大家使用Docker、Wandb、Git管理自己的实验环境、数据、代码、模型。这可能是完成高质量实验的一个基础，有利于你实验结果的稳定性、可复现性、可扩展性 （据我了解，在大组、公司这几乎是必须的流程）

Resources:

Status: 整理中~~~~~~~

Table of Contents

工具推荐

工欲善其事必先利其器

ReadPaper（论文管理）

我尝试使用过Zotero这种自定义更高的工具，但ReadPaper相关功能更易用且更完善。个人推荐。

Edge浏览器（多端同步）

可以在设置里面选择下载预览版（dev版），一般来说可以先享受新的features

Adobe Acrobat Pro DC（PDF编辑器）

个人认为重要程度大于Photoshop，很多时候你不能P图，但你需要处理PDF

破解版 百度云，更多信息见文章开头，Adobe破解部分

KeePass2（密码存储、多端同步）

推荐和OneDrive一起使用，一般来说OneDrive有送的5G空间。直接把数据库放在OneDrive上，实现多端同步，非常简单

Typora（Markdown编辑器）

B站有破解教程，直接买也不贵

Notepad++（代码文本编辑器）

什么都好就是作者政治倾向有问题，容易被恶心

SumatraPDF（PDF浏览器）

可以和VSCode搭配使用，在本地搭建Texlive环境

Bandizip（压缩软件）

Overleaf (多用户协同，多版本)

  • 多用户协同是优于本地Texlive+Git，而且可以任意使用多版本Texlive，有时候需要切换版本
  • 注意Overleaf默认编译条件特别宽松，可以进行设定
  • Overleaf还可以直接发布，这个功能我还在探索中

Rufus（ISO刻录软件）

好用，重装系统推荐，特别是Linux

如何找论文

  • Google Scholar 关键词，建议先找综述
  • 看最新顶会文章中的相关工作（很好用，一般来说大组顶会文章的相关工作做的非常详细）

easyScholar（浏览器插件）

这个插件可以显示出论文发表期刊会议的CCF等级、所属出版商、IF、SCI分区等

如何用Latex 写 Pytorch pseudocode

引入包

\usepackage[ruled,noline]{algorithm2e}
\usepackage{setspace}  % change the margin

\definecolor{commentcolor}{RGB}{110,154,155}   % define comment color
\newcommand{\PyComment}[1]{\ttfamily\textcolor{commentcolor}{\# #1}}  % add a "#" before the input text "#1"
\newcommand{\PyCode}[1]{\ttfamily\textcolor{black}{#1}} % \ttfamily is the code font

代码

\setlength{\algomargin}{0em}  % change the margin
\SetAlFnt{\small}             % set the font size
\begin{algorithm}[thb]
	\setstretch{0.8}          % chagne the line spacing
	\PyComment{this is a comment} \\
    \PyComment{this is a comment} \\
    \PyComment{} \\
    \PyComment{going to have indentation} \\
    \PyCode{for i in range(N):} \\
    \Indp   % start indent
        \PyComment{your comment} \\
        \PyCode{your code} \PyComment{inline comment} \\ 
        \Indm % end indent, must end with this, else all the below text will be indented
        \PyComment{this is a comment} \\
        \PyCode{your code}
    \caption{PyTorch-style pseudocode for PicT testing scheme}
    \label{algo:your-algo}
\end{algorithm}

如何在Latex中引入多个bib

Creating multiple bibliographies in the same document - Overleaf, Online LaTeX Editor

使用multibib包

\usepackage[resetlabels,labeled]{multibib}

\newcites{Math}{Math Readings}
\newcites{Phys}{Physics Readings}
\cite{paper1} and \cite{paper2} were published later than 
\citeMath{paper3}. See also \citePhys{paper4}.

\bibliographystyle{unsrt}
\bibliography{references}

\bibliographystyleMath{unsrt}
\bibliographyMath{refs-etc}

\bibliographystylePhys{unsrt}
\bibliographyPhys{refs-etc}
  • 值得注意的是，使用该包会生成多个 .aux文件，必须对每个文件都进行bibtex编译后，再使用pdftex编译
  • 每个部分的bib文件最好单独存放，并单独命令各自的引用文章简写

如何找到论文复现代码（较为重要）

  • 先看论文本身，一般在首页、摘要有官方链接，或者实验部分、补充文档
  • Github，直接在搜索框搜论文名字，几乎所有放在github上的复现代码，都会在readme中写上论文标题。这种方法特别重要，因为一些实验室的代码可能并不够好或者用的Tensorflow，这种方法能找到一些大佬复现的Pytorch或者质量更高的代码
  • paperwithcode，这个网站初衷很好，但近几年几乎没有维护，个人感觉不好用

如何给服务器联网（dogcom）

现在外界流传的dogcom和dogcom.conf非常老，配置文件在个别服务器上出错，并且不能登出。我根据drcom-generic/Drcom_CQU_HuxiCampus.py at master · drcoms/drcom-generic (github.com)重新写了一个python3的联网脚本，支持登出

Tips：

# case1: 直接使用python文件登陆，这种情况会在终端显示log，并且随着终端的kill而kill，没有进程持久化
python3 latest_w.py
# case1: 按Ctrl+C，直接关闭该进程同时登出

# case2: 使用nohup维持进程持久化，我这里写了一个shell dr.sh
bash dr.sh
# case2: 这种情况下，请先使用ps找到你的python3进程
ps -aux | grep python3
# case2: 找到对应的 python3 latest_w.py 的进程号pid，kill该进程
kill -9 pid
# kill该进程的同时登出，相关的log会在./log下

如何在服务器上写代码（VSCode）

VSCode有ssh插件，可以直接通过ssh连接服务器，并支持直接编辑服务器上的文件。扩展可以直接装在服务器上

Tips:

  • 可以使用公钥，避免每次打开文件都需要输入密码。（如果你已经在服务器A上配置了公钥登录，那只需要配置VSCode的ssh配置文件即可）简单流程如下：
    • 本地主机创建公钥、私钥。公钥文件一般为id_rsa.pub，在c:\Users\$username\.ssh\下
    • 复制你的公钥内容至服务器A的密钥认证文件/home/$username/.ssh/authorized_keys中
    • 修改VSCode的ssh配置文件
  • 如果遇到ssh问题，请查看VSCode的output，一般来说将服务器上的VSCode Server (/home/$username/.vscode-server/bin/$bin_code)进行删除可以解决大部分问题。可以在output中查看到$bin_code

如何用更少显存更快更好跑实验 （AMP）

tmux 使用

不要直接在ssh窗口开始跑实验，请使用tmux，其会创建一个持久化的窗口。以避免你当前窗口因特殊情况崩溃导致的实验中断

tmux new -s xxx
tmux a -t xxx
tmux kill-session -t xxx

AMP使用

请最好使用AMP（半精度）训练，实验室GPU资源较为紧张，使用AMP训练可以有效降低显存，也不会损害你的性能。大厂都在用，一般来说训练速度还会有所提升

Automatic Mixed Precision package - torch.amp — PyTorch 2.0 documentation

TIMM使用

Backbone模型不推荐自己复现，也不推荐看CSDN复现，仅推荐查看相关领域论文或timm。NLP-Transformer类请参见huggingface

训练代码

训练代码不推荐完全自己写，也不推荐看CSDN，仅推荐查看相关领域论文（大组），或者大佬的，以下是我觉得很好的几个例子：

timm

swin

  • 推荐使用yaml文件存储config，而非全部config写在parser中
  • 两个例子中有特别多的trick，例如batchsize scale, amp, ddp, gradient accumulate, gradient clip, mixup, checkpoint, ... 很多trick能有效提点，有些没有这么神奇

如何管理实验数据 （使用Wandb+Git）

管理实验数据、代码特别特别特别重要。一般来说实验代码会随着你的研究进程不断迭代，但一般人的水平都很难做到一直迭代还能保证能复现之前结果。因此最好对实验代码做版本管理

Wandb：

  • 存储你的Git的checkout，本身也可以存储代码文件，详情查看文档
  • 记录所有metrics和log，并自动提供可视化，方便后续论文撰写
  • 注意，如果不设定存储路径（本地，在Pytorch代码中设定），会默认在你项目路径下备份一个实验数据（另一份传至服务器）。一般来说项目路径在/home/$username/下面，因此请设定存储路径到/data/$username
  • wandb也可以存储模型梯度，wandb.watch()，详情查看文档
  • 请不要建立太多project，因为实验室服务器只能有一个账号，所有人的project都在里面
  • 具体ip和账号名询问管理员

登录

Basic Setup - Documentation (wandb.ai)

将wandb.your-shared-local-host.com替换成本地的IP:Port

wandb login --host=http:https://wandb.your-shared-local-host.com

在 http:https://wandb.your-shared-local-host.com/settings 界面可以找到API keys

下面部分是管理wandb私人服务器，如果只是使用请忽略。至于如何在代码中使用wandb，请查询官方document

重新创建App

不要对 Volumes 进行操作，这是保存数据的文件。可以删除 Containers ，然后在WSL中执行以下命令重新打开一个 APP。 --restart=always 可以让容器每次随着docker服务启动。-e HOST=http:https://$server_ip:8080可以让wandb的前端界面正常和后端服务器交互信息，不然会默认为127.0.0.1:8080。

docker run -d --mount type=volume,src=wandb,dst=/vol -p 8080:8080 -e HOST=http:https://$server_ip:8080 --name wandb-local --restart=always wandb/local

更新Image

docker pull wandb/local

Volume的迁移

Backup Volume

目标volume：wandb ,保存位置：/home/tangwenhao/twh ，backup文件名：backup.tar

sudo docker run \
    --rm \
    -v wandb:/files_to_copy \
    -v /home/tangwenhao/twh:/place_to_paste \
    busybox \
    sh -c 'cd /files_to_copy && tar cf /place_to_paste/backup.tar .'

Restore Volume

目标volume：wandb ,保存位置：/home/tangwenhao/twh ，backup文件名：backup.tar

$ docker run \
    --rm \
    -v wandb:/place_to_paste \
    -v /home/tangwenhao/twh:/files_to_copy \
    busybox \
    sh -c 'cd /place_to_paste && tar xf /files_to_copy/backup.tar .'

记录一次登录失败处理

情况：未知BUG，突然无法登录。

造成原因可能是 $VOLUME_DIR/env/users.htpasswd 下的记录消失，user表和entities表中仍有记录。无法登录，无法重置密码

解决：重写入/env/users.htpasswd

利用之前备份的记录，重写入/env/users.htpasswd

1070820773@qq.com:$2a$10$lupwoWa8YKrDmFqKdu4huOqAVHFdCGjHE/ZZG8QpPXRTa.jdPSuWq
#对应密码：123456789

恢复正常

记录一次更新lincese的处理

system-admin -- Application Error Unable to reach the backend api. If this perists, check the system logs. · Issue #46 · wandb/server (github.com)

如何远程操作实验室电脑

Windows远程桌面连接（只适用于内网）

比向日葵好用100倍，但只适用于内网，但需要Windows专业版（在你需要被远程的那个主机上安装，淘宝10元）

向日葵

如何在多个服务器之间同步代码

Git

选择其中一个服务器A作为远程仓库，保证其它所有服务器都能与A进行ssh连接。这里推荐ssh公钥的形式

  • 这里需要在其余服务器B,C,D,...上初始化公钥、私钥（如果已经有请跳过，一般来说存放在/home/$username/.ssh/下名字为id_rsa.pub）

  • 将服务器B,C,D,...上的公钥中的内容复制下来，粘贴到服务器A的认证密钥文件（/home/$username/.ssh/authorized_keys）中。

  • 在服务器A上初始化git服务器其等效于远程仓库，获得目录/home/$username/.../xx.git

    git init --bare xx.git

  • 在服务器B,C,D,...上添加远程仓库，通过ssh的形式

    ssh:https://$username@Server_A_IP:/home/$username/.../xx.git

    这里的Server_A_IP是服务器A的IP。

  • Tips：就算在服务器A上，也要在另外一个目录放置代码，然后使用git进行代码管理，不能直接修改服务器A上的git服务器的代码。

SyncTrayzor

GitHub repo: https://github.com/canton7/SyncTrayzor

如何抢卡（慎用慎用慎用）

最好不要用，但紧急情况下，可以私下联系我。后续更新

如何重装Ubuntu

保留/home

主要难点在于之前的系统引导（UEFI或者Legacy）要与当前对应。不然在新系统分区那里，没办法在原硬盘上设定安装引导程序

重点在于一定要备份！！！

Tips

  • 没网的时候注意不要先设定网络连接，会导致后面安装失败
  • 禁用Sleep：systemcyl status sleep.target 可以查看是否开启该服务。禁用：sudo systemctl mask sleep.target suspend.target hibernate.target hybrid-sleep.target

设置网络环境（设置IP）

  • 一般Ubuntu使用/etc/netplan 或者 /etc/nework 配置IP，这俩只能取其一。配置文件就在其中。
  • 要弄明白dhcp和static，机房默认是static，找管理员要网关、DNS
  • 记得备份默认的配置文件 mv default.yaml default.yaml.backup
  • 虽然这两个工具都可以热重启，但还是推荐重启服务器，可以省很多麻烦
  • 注意网线插的网口是否和配置文件一致，如果一直不起效，请将网线插入其它网口试试

安装NVIDIA驱动

禁用nouveau驱动

编辑 /etc/modprobe.d/blacklist-nouveau.conf 文件，添加以下内容：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

关闭nouveau：

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

重新生成内核并重启：

sudo update-initramfs -u
sudo reboot

重启后，执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。

Tips

安装Driver

采用apt方法

使用命令ubuntu-drivers devices获取可用驱动信息，如果命令不存在自己安装一下。

sudo apt install nvidia-driver-***-server

安装CUDA

CUDA Toolkit Archive | NVIDIA Developer

选择对应的版本，最好采用runfile的安装形式，有一个交互过程，deb的安装会默认替换掉你先有的driver，非常麻烦

sudo sh cuda_11.4.0_470.42.01_linux.run

切记：安装driver之后，不要在安装CUDA时再次安装！！！

注意，当提醒你已经安装了driver的时候，直接continue。当选择安装内容的时候，务必把driver前面的x取消掉，因为我们已经安装了驱动！！！

添加环境变量：

vim /etc/profile ：（将 *** 替换为对应的CUDA版本）

export PATH=/usr/local/cuda-***/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-***/lib64\
                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

nvcc -V 显示相关信息，表示安装成功

安装CUDNN

CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

最好下载TAR，然后复制

解压：

tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz

复制：

$ sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
$ sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

重装驱动

  • 首先查看当前驱动版本
ls /usr/src | grep nvidia
  • 重新安装现有的驱动版本
sudo dkms install -m nvidia -v 450.57 # 版本即使上一个命令的输出
# 如果没有安装dkms包
sudo apt-get install dkms
  • 重启
sudo reboot

如何在RootLess的情况下使用Docker

将普通用户添加到Docker用户组

docker命令 报Got permission denied while trying to connect to 错误 - ranh - 博客园 (cnblogs.com)

sudo usermod -aG docker $username

使用Root-less Docker

Rootless mode allows running the Docker daemon and containers as a non-root user to mitigate potential vulnerabilities in the daemon and the container runtime.

Rootless mode does not require root privileges even during the installation of the Docker daemon, as long as the prerequisites are met.

Rootless mode was introduced in Docker Engine v19.03 as an experimental feature. Rootless mode graduated from experimental in Docker Engine v20.10.

Run the Docker daemon as a non-root user (Rootless mode) | Docker Documentation

这种情况下，系统中有两个单独的Docker，相互独立

rootless Docker存在一定限制：

Run the Docker daemon as a non-root user (Rootless mode) | Docker Documentation

刷新配置，重启服务：

systemctl --user daemon-reload
systemctl --user restart docker

更多Rootless的 TIPS

Ubuntu18.04有坑，按照官方教程无法正常安装

Dockerd-rootless.sh not working on Ubuntu 18.04 because a dependency is missing (vpnkit or slirp4netns) · Issue #41781 · moby/moby (github.com)

配置仓库镜像

daemon.json 文件应该在 ~./config/docker/ 下

绝大多数mirror都无法正常使用，阿里云的已经不再更新，dockerproxy.com好像还行，不知道是个啥组织

学校的网好像可以直接访问官方hub

如何将Keras模型 (Tensorflow) 转Torch

AgCl-LHY/Weights_Keras_2_Pytorch: a python code to convert Keras pre-trained weights to Pytorch version (github.com)

关键在于Keras一些层权重包的存储方式和Torch不同，要进行一个维度转化

def keras_to_pyt(km, pm):
    weight_dict = dict()
    for layer in km.layers:
        if type(layer) is keras.layers.convolutional.Conv2D:
            if (len(layer.get_weights()) >= 1):
                weight_dict[layer.get_config()['name'] + '.weight'] = np.transpose(layer.get_weights()[0], (3, 2, 0, 1))
            if (len(layer.get_weights()) >= 2):
                weight_dict[layer.get_config()['name'] + '.bias'] = layer.get_weights()[1]
        elif type(layer) is keras.layers.Dense:
            if (len(layer.get_weights()) >= 1):
                weight_dict[layer.get_config()['name'] + '.weight'] = np.transpose(layer.get_weights()[0], (1, 0))
            if (len(layer.get_weights()) >= 2):
                weight_dict[layer.get_config()['name'] + '.bias'] = layer.get_weights()[1]
        elif type(layer) is keras.layers.DepthwiseConv2D:
            if (len(layer.get_weights()) >= 1):
                weight_dict[layer.get_config()['name'] + '.weight'] = np.transpose(layer.get_weights()[0], (2, 3, 0, 1))
            if (len(layer.get_weights()) >= 2):
                weight_dict[layer.get_config()['name'] + '.bias'] = layer.get_weights()[1]
        elif type(layer) is keras.layers.BatchNormalization:
            if (len(layer.get_weights()) >= 1):
                weight_dict[layer.get_config()['name'] + '.weight'] = layer.get_weights()[0]
            if (len(layer.get_weights()) >= 2):
                weight_dict[layer.get_config()['name'] + '.bias'] = layer.get_weights()[1]
            if (len(layer.get_weights()) >= 3):
                weight_dict[layer.get_config()['name'] + '.running_mean'] = layer.get_weights()[2]
            if (len(layer.get_weights()) >= 4):
                weight_dict[layer.get_config()['name'] + '.running_var'] = layer.get_weights()[3]
        elif type(layer) is keras.layers.ReLU:
            pass
        elif type(layer) is keras.layers.Dropout:
            pass

如何仅让部分IP通过指定VPN（Windows 默认VPN 修改路由）

Automatically Add Static Routes After Connecting to VPN | Windows OS Hub (woshub.com)

uncheck the option "Use default gateway in remote network" in the vpn connection ipv4 properties

OR

Set-VpnConnection –Name workVPN -SplitTunneling $True

添加路由：

Add-VpnConnectionRoute -ConnectionName workVPN -DestinationPrefix 192.168.11.2/32 -PassThru

该指令是在你激活VPN的时候添加路由信息，在退出VPN服务器后，删除该路由

删除路由：

Remove-VpnConnectionRoute -ConnectionName workVPN -DestinationPrefix 192.168.111.0/24 -PassThru

如何传输数据集

直接使用xftp进行拖拽

对于数目比较多的图片文件夹，可以使用Sftp进行传输

  • 登录: sftp -P port user@ip (-P 是大写)
  • 使用 ls 命令列出目录，使用 "cd CloudData" 命令进入数据根目录
  • 使用 "get <文件名>", 从云盘下载文件到本地当前目录
  • 使用 "get -r <文件夹名>", 从云盘下载目录到本地当前目录
  • 使用 "put <文件名>", 把当前目录的本地文件上传到云盘
  • 使用 "put -r <文件夹名>", 把本地当前目录上传

Docker 支持CUDA

安装NVIDIA Container Toolkit

如果你是Root-less，有坑！！

  • 下面命令会报错，因为Rootless的配置文件位置不同
sudo nvidia-ctk runtime configure --runtime=docker

这个时候建议你在普通Docker配置文件应在位置/etc/docker建一个文件，然后复制改写后的内容到Rootless的配置文件.config/docker下。

  • 还要记得改 /etc/nvidia-container-runtime/config.toml，将里 面的no-cgroups设为true

Tips:

下载或者配置Image

DockerHub 中 Torch和Nvidia官方的image都有devel这个版本，大小会比普通的runtime大很多。如果你需要在image中使用cuda编译某个包，就需要devel，如果你只是想用下pytorch-gpu那就完全没必要。nvidia的官方base-image还要选择是否使用cudnn

在线升级Ubuntu服务器

备份

sudo timeshift --help

升级

服务端升级Ubuntu 20.04 LTS 记录 - 知乎 (zhihu.com)

  • 不要无脑continue，一定要看清楚，保证网络畅通，记得提前更换apt源，不然肯定失败

  • 除了sshd的配置之外，其它配置都推荐不要维持原版本，sshd不知道也不会不会冲突，最后都用新的自己重新配置

Ubuntu配置Clash

Releases · Dreamacro/clash (github.com)

需要手动下载Country.mmdb，将其改名为Country.mmdb

下载proxychains4，配置目录/etc/proxychains.conf

  • 改为 dynamic_chain
  • 添加代理ip，好像不能添加https

测试是否成功

proxychains4 curl www.httpbin.org/ip

非root可能报错，见proxychains4配置使用 - 0xcreed - 博客园 (cnblogs.com)

proxychains4 对docker无效，docker代理需要单独配置

Ubuntu下挂载移动硬盘并修改权限

跨网段ssh连接

该问题核心在于内网穿透，但ipv6解决了该问题，因此下面都是基于通信两边都具有公网ipv6且已经解决了路由器问题和防火墙问题

sftp: 要注意加上-6，不然默认会解析成ipv4的地址，还要把地址加上[]

ssh: 直接使用ipv6地址即可

搭建私有Docker Registry

使用docker-compose搭建私有docker registry - 落叶&不随风 - 博客园 (cnblogs.com)

Docker Compose 部署配置和使用 Registry 私有镜像仓库 - 思有云 - IOIOX

TODO:

  • 令牌认证，对不同用户的权限进行规范

  • 启动一个一次性容器用于创建账号密码.密码文件路径以/root/registry/htpasswd为例,账号密码以admin和12345678为例.

    docker run --rm --entrypoint \
    htpasswd httpd:2 -Bbn \
    admin 12345678 > /root/registry/htpasswd

  • daemon.json写入：

    {
    "insecure-registries": [
        "[私有仓库 ip:port]"
    ]
}

  • docker-compose.yaml，该文件可以在任意位置，后续-f指定即可

    version: '3'

services:
  registry:
    image: registry:2
    restart: "always"
    ports:
      - 5000:5000
    environment:
      - REGISTRY_AUTH=htpasswd
      - REGISTRY_AUTH_HTPASSWD_PATH=/auth/htpasswd
      - REGISTRY_AUTH_HTPASSWD_REALM=Registry Realm
      - REGISTRY_STORAGE_DELETE_ENABLED=true
    volumes:
      - $DATA_ROOT:/var/lib/registry
      - $PASSWD_ROOT:/auth/htpasswd

  • 使用docker-compose部署仓库

    docker-compose -f $DOCKER_COMPOSE_CONFIG up -d

删除Image

HTTP API V2 | Docker Documentation

Docker私有仓库Registry删除镜像的方法【20220321】 - 鬼谷子叔叔 - 个人主页 (tongfu.net)

docker私有镜像仓库搭建和镜像删除 - 简书 (jianshu.com)

这个比较麻烦，总的来说，可以通过API的方法来删，但也需要修改container里面的config，位置在/etc/docker/registry/config.yml，然后查询digest，然后根据digest调用DELETE API进行删除，最后垃圾回收

第二个攻略说是没有删干净，但我发现其实主体文件通过以上步骤可以完全删除，只是会留下一个registry，占用空间很小

用Docker跑实验

Image管理

先看本地有什么现存的image

docker image ls

跑实验需要的特制化image都放在本地仓库中，通用的请查看 Docker_Hub。先查看本地仓库有哪些image,本地仓库ip默认为10.236.11.202:5000

# 登陆本地仓库，输入账户名和密码
docker login $LOCAL_REGISTRY_IP

# 先查看有哪些image
curl -u $USER:$PASSWD http:https://$LOCAL_REGISTRY_IP/v2/_catalog

# 再查看具体的image下有哪些tag
curl -u $USER:$PASSWD http:https://$LOCAL_REGISTRY_IP/$IMAGE_NAME/tags/list

pull, push,非特殊情况，不要随意push image到本地仓库中，就算要push，也要在commit的时候做好comment，然后 tag写清楚。目前本地仓库没有做权限限制，登陆后就可以对上面的所有image做任何操作

# PULL跟常规一样，只是要注意要在image前面加上本地仓库的Ip，否则会默认从docker_hub获取
docker pull $LOCAL_REGISTRY_IP/$IMAGE_NAME:$TAG

# push
# push之前需要先commit一个本地的image
docker commit -a $AUTHOR_NAME -m $COMMENT $CONTAINER $LOCAL_REGISTRY_IP/$IMAGE_NAME:$TAG
docker push $LOCAL_REGISTRY_IP/$IMAGE_NAME:$TAG

跑实验

先看是否创建了container:

docker ps -a

docker 管理工具推荐：portainer, 可以方便的删除，重启，暂停，重新配置docker容器。设定好docker容器的配置文件夹，可以很方便的迁移。

docker pull portainer/portainer
docker run -d -p 9000:9000 -v /var/run/docker.sock:/var/run/docker.sock --restart=always --name prtainer portainer/portaine

如果已经有创建好的container就不要再run

# 针对已经stopped的container
docker start -a $CONTAINER_NAME

# 针对还在运行中的container
docker attach $CONTAINER_NAME

如果没有现存container，就直接从run image。要注意的是，timm库和torch的模型默认的权重文件存放在./cache/huggingface和./cache/torch中，最好也把这两个文件夹做映射避免在不同image中重复下载。尽量只映射huggingface和torch这两个子文件夹，$LIB就是huggingface或者torch。

docker run --gpus all -it --shm-size 32g -p $CONTAINER_SSH_PORT:22 -v $CODE_DIR:/workspace/code -v $DATASET_DIR:/workspace/dataset -v $OUTPUT_DIR:/workspace/output -v $CACHE_DIR:/root/.cache/$LIB --name $CONTAINER_NAME $IMAGE_NAME

SSH连接

想要使用ssh连接container

  • 首先要在创建时进行端口映射-p $CONTAINER_SSH_PORT:22

  • 将客户端公钥放入/root/.ssh/authorized_keys，可能需要创建该文件

  • 记得查看container中是否已经打开ssh_server服务：service ssh start

  • 建议使用tmux进行实验，确保在terminal崩溃的情况下，实验能够继续

网络相关

  • 最好直接使用host网络（--network host），跑实验用的container个人感觉不需要复杂的通讯，其带来的好处和便利非常诱人，例如：完整的ipv6支持

GIT相关

  • 一般来说不会想在container里面去支持ssh，然后去配置git仓库相关。因此，如果你是在宿主主机配置的git目录，然后映射到container中，那你最好运行以下命令：

    git config --global --add safe.directory /workspace/code

毕业论文latex模板

慎重使用，使用此模板导致任何问题相关人员不负任何责任

github链接：https://github.com/yinguoweiOvO/CQU_Thesis2024/tree/master （因盲审未结束，暂未公开）

About

软院研究生经验分享

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Languages

  • Python 99.8%
  • Shell 0.2%