服务器Docker容器创建与VScode远程连接SSH使用

一、拉取容器

1、win + r 输入cmd打开终端命令行
2、终端输入 ping 192.168.xx.xxx 查看是否连接到服务器。如输出显示“字节 时间 TTL”等如下界面,则连接成功。否则输出“请求超时”

如果不能连接,则需要修改设备的IP,需要在设置-网络和Internet-更改适配器-右键点击以太网-属性-双击Internet版本协议,更改ip地址。

3、终端内 输入 ssh xxxx@192.168.xx.xxx -p xx 进入服务器内,其中-p 表示端口号xx
进入的时候会要求输入密码,密码为xxxxxx
显示如下界面则表示远程登录服务器成功。

4、登录服务器后,第一件事是拉取一个自己的容器。
4.1首先通过 sudo docker images 查看服务器内部的镜像。

如果服务器内已经存在符合自己需求的镜像,则可以通过以下命令直接拉一个容器。
docker run -p 9022:22 -p 6007:6006 -p 8889:8888 --name="xxx" --gpus all -m=64G --shm-size 32G --memory-swap=-1 --oom-kill-disable -it ImageID bin/bash
需要更改的是-p后面的接入端口,不能和已有容器的端口重复,容器的name可以根据自己的喜好更改,如果不确定端口以及名字是否被使用,可以使用如下命令查看。
sudo docker ps -a

修改端口只需要修改:前面的数值即可。
如果说服务器内没有符合自己使用要求的容器,可以在另一外服

### 配置 VSCode 远程连接带有 CUDA 的 Docker 容器 为了实现这一目标,需确保已按照指导完成必要的软件安装和配置工作[^1]。具体来说,这涉及到几个方面: #### 创建并启动带 CUDA 支持的 Docker 容器 创建容器时应指定 GPU 资源分配参数 `--gpus` 和端口映射 `-p 8022:22` 来允许外部访问 SSH 服务,并通过卷挂载选项 `-v` 将主机目录容器内部共享以便于数据交换[^3]。 ```bash docker run -it --name cuda_dev_container --gpus all -p 8022:22 -v /local/path:/container/path pytorch/pytorch:latest-cuda-devel ``` #### 在容器内安装 SSH 服务 进入新创建容器后,需要进一步设置 SSH 服务器以供远程登录使用。通常情况下,可以通过包管理工具如 apt-get 或 yum 来获取 openssh-server 并开启相应服务。 ```bash apt-get update && apt-get install -y openssh-server service ssh start ``` #### 设置 VSCode Remote-SSH 扩展 在本地计算机上打开 Visual Studio Code 应用程序,前往扩展市场搜索 "Remote - SSH" 插件并点击安装按钮。之后可通过命令面板 (Ctrl+Shift+P) 输入 “Remote-SSH: Connect to Host...”,输入之前设定好的 IP 地址或者域名加上用户名组合形式来建立连接[^2]。 #### 开始开发流程 一旦成功建立了到目标机器上的安全 Shell 会话,则可以在左侧活动栏中的“资源管理器”视图里找到对应的工作区文件夹;此时即可如同操作本机项目一样编辑、编译乃至运行基于 NVIDIA CUDA 架构的应用程序了。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

笨小蛙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值