docker自用配置tensorRT&CLion环境教程

当你拉下来一个环境后，我们现在如何开始配置呢

1：查看目前所有的容器

docker images

2：删除容器

docker rmi <IMAGE_ID>

强制删除

docker rmi remote/pytorch:1.8.0-cuda11.1-cudnn8-devel

运行容器

3：运行并且进入容器

docker run -it --gpus all -v /root/cy_docker:/root/xxxx my_pytorch_with_tools:latest /bin/bash

 

 -it：交互式终端模式

-it 是 -i 和 -t 两个参数的组合，通常一起使用，使得我们可以在容器中进行交互操作：

• -i (interactive)：保持标准输入打开，以便您可以输入命令。
• -t (tty)：为容器分配一个伪终端，让输出更符合终端格式。

使用示例：

docker run -it ubuntu:latest /bin/bash

-v 参数用于在主机和容器之间共享文件和目录，从而实现数据持久化或共享。可以将主机目录挂载到容器中的指定路径中。

-v <host_path>:<container_path>
docker run -it -v /host/directory:/container/directory ubuntu:latest

 

 

--name 参数用于给容器指定一个名称，以便更容易管理和访问这个容器。

docker run -it --name my_container ubuntu:latest

 

--rm 参数会在容器停止运行后自动删除容器。适用于临时容器，不需要手动清理。

docker run --rm ubuntu:latest

--gpus 参数用于指定 Docker 容器可使用的 GPU 资源（需安装 NVIDIA Docker 支持），一般用于深度学习、机器学习等场景。

docker run -it --gpus all my_gpu_image

-p 参数将主机的某个端口映射到容器的某个端口，以便主机可以访问容器内的服务。

docker run -it -p 8080:80 nginx

4：其他常用命令、

docker ps：列出正在运行的容器

docker start / docker stop / docker restart：启动、停止或重启容器

docker exec：在运行的容器中执行命令

docker logs：查看容器日志

docker inspect：查看容器或镜像的详细信息

docker commit：提交容器为新镜像

docker commit <container_name_or_id> <new_image_name:tag>

docker pull：从 Docker Hub 拉取镜像

docker push：推送镜像到 Docker Hub

5：安装环境（略）直接拉老黄的镜像就行

6：安装tensor RT

下载tar

（1）解压tar -xvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar -C /opt/

（2）配置环境

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/TensorRT-<version>/lib

echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/TensorRT-<version>/lib' >> ~/.bashrc
source ~/.bashrc

 

（7）cmake_list配置，并且验证

cmake_minimum_required(VERSION 3.5)
project(TensorRTExample)

find_package(CUDA REQUIRED)

# TensorRT的include和lib路径
set(TensorRT_DIR /opt/TensorRT-<version>)
include_directories(${TensorRT_DIR}/include)
link_directories(${TensorRT_DIR}/lib)

add_executable(example main.cpp)
target_link_libraries(example ${TensorRT_DIR}/lib/libnvinfer.so ${CUDA_LIBRARIES})

#include "NvInfer.h"
#include <iostream>

int main() {
    // 创建TensorRT的logger
    nvinfer1::ILogger* logger = new nvinfer1::Logger();

    // 测试是否能创建一个构建器
    nvinfer1::IBuilder* builder = nvinfer1::createInferBuilder(*logger);
    if (builder == nullptr) {
        std::cerr << "Failed to create TensorRT builder!" << std::endl;
        return -1;
    }
    std::cout << "TensorRT is successfully configured!" << std::endl;

    // 释放资源
    builder->destroy();
    delete logger;

    return 0;
}