教程 | 在 Linux 环境中安装 Docker(含2025最新镜像站加速,实测可用)

在 Linux 环境中安装 Docker 的完整教程

Docker 是一种流行的容器化平台,可帮助用户快速构建、部署和运行应用程序。本教程将指导您如何在常见的 Linux 发行版(Ubuntu/Debian、CentOS/Fedora)上安装 Docker。


准备工作

  1. 系统要求

    • 64 位 Linux 系统(内核 3.10 或更高版本)。
    • 确保已安装 curlwget 工具。
    • root 用户具有 sudo 权限的用户 执行以下操作。
  2. 卸载旧版本(如有)
    如果系统中存在旧版 Docker,请先卸载:

    sudo apt remove docker docker-engine docker.io containerd runc  # Ubuntu/Debian
    # 或
    sudo yum remove docker docker-client docker-client-latest docker-common docker-latest docker-latest-logrotate docker-logrotate docker-engine  # CentOS/Fedora
    

安装 Docker

方法 1:通过官方仓库安装(推荐)

此方法确保安装最新版本,并支持自动更新。

步骤 1:安装依赖工具
# Ubuntu/Debian
sudo apt update
sudo apt install -y apt-transport-https ca-certificates curl gnupg lsb-release

# CentOS/Fedora
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
步骤 2:添加 Docker 官方 GPG 密钥
# Ubuntu/Debian
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

# CentOS/Fedora
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
步骤 3:添加 Docker 软件源
# Ubuntu/Debian
echo "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# CentOS/Fedora(已通过 yum-config-manager 自动添加,无需额外操作)
步骤 4:安装 Docker 引擎
# Ubuntu/Debian
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io

# CentOS/Fedora
sudo yum install -y docker-ce docker-ce-cli containerd.io

方法 2:通过脚本快速安装(适用于测试环境)

curl -fsSL https://get.docker.com | sudo sh

配置 Docker

启动 Docker 服务并设置开机自启

sudo systemctl start docker        # 启动服务
sudo systemctl enable docker       # 开机自启
sudo systemctl status docker       # 验证服务状态

验证安装

运行测试容器:

sudo docker run hello-world

如果看到 Hello from Docker! 的欢迎信息,说明安装成功。

国内加速

参考2025国内可用Docker镜像源配置指南


权限配置(可选)

默认需要 sudo 执行 Docker 命令。若希望普通用户直接操作:

sudo usermod -aG docker $USER      # 将当前用户加入 docker 组
newgrp docker                      # 刷新用户组(或重新登录)

注意:此操作授予用户等同于 root 的权限,请谨慎使用。


卸载 Docker

如需卸载 Docker:

# Ubuntu/Debian
sudo apt purge docker-ce docker-ce-cli containerd.io
sudo rm -rf /var/lib/docker

# CentOS/Fedora
sudo yum remove docker-ce docker-ce-cli containerd.io
sudo rm -rf /var/lib/docker

常见问题

  1. 镜像下载缓慢
    建议配置国内镜像加速器(如阿里云、腾讯云)。参考2025国内可用Docker镜像源配置指南

  2. 防火墙冲突
    如果使用 firewalldufw,确保放行 Docker 所需端口。

  3. 内核版本过低
    升级内核或使用兼容的旧版 Docker。


通过以上步骤,您已成功在 Linux 系统上安装 Docker。接下来可以探索 Docker 镜像和容器的使用,开启容器化开发之旅!如需进一步学习,可参考 Docker 官方文档

### 如何在中国语境下对DeepSeek LoRA进行微调 #### 准备工作 为了成功地对中国特定环境下的LoRA(Low-Rank Adaptation)进行微调,准备阶段至关重要。这涉及到安装必要的库以及获取适合中文处理的数据集。 对于中文环境中使用的预训练模型而言,可以考虑使用那些已经针对汉语进行了优化的大规模语言模型(LLM),这些模型具备零样本泛化能力、少量样本学习能力和指令跟随特性[^2]。此外,还可以利用专门为中国市场定制并开源发布的高质量指令调整数据集如COIG-CQIA来增强模型性能[^3]。 #### 数据收集与预处理 采用类似于COIG-CQIA这样的优质资源作为基础,该数据集是从中文互联网上搜集而来,并通过严格的清理过程确保其质量能够满足实际应用需求。基于此类型的数据源来进行进一步的加工处理,比如分词标注等操作以便更好地适应目标任务的要求。 #### 微调流程概述 当一切就绪之后,则可按照如下方式实施具体的参数更新: 1. 加载预先训练好的大型语言模型; 2. 应用LoRA技术,在保持原有架构不变的情况下引入低秩矩阵分解机制以实现高效迁移学习; 3. 使用上述提到过的经过良好整理后的中文语料库执行监督式训练任务; 值得注意的是,在整个过程中可能会遇到各种各样的挑战和技术难题,例如在尝试加载某些版本的安全张量文件时可能出现`InvalidHeaderDeserialization`错误提示[^4]。面对这种情况建议仔细查阅官方文档寻找解决方案或者向社区寻求帮助。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer import torch model_name_or_path = "path_to_pretrained_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 假设我们已经有了一个名为dataset的对象包了我们的训练数据 for epoch in range(num_epochs): for batch in dataset: inputs = tokenizer(batch['text'], return_tensors="pt", padding=True, truncation=True).to('cuda') outputs = model(**inputs, labels=inputs["input_ids"]) loss = outputs.loss optimizer.zero_grad() loss.backward() optimizer.step() torch.save({ 'epoch': epoch, 'model_state_dict': model.state_dict(), 'optimizer_state_dict': optimizer.state_dict(), }, f'checkpoint_{epoch}.pth') ```
评论 1
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

The god of big data

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