1 参考文章

从硬件到软件零起步搭建深度学习环境 | 配置深度学习环境: Docker + Conda + Pytorch + SSH + VS Code - 知乎

===以下内容为对上面文章的梳理和补充方便快速回忆===

代码地址：DeepLearning/remoteContainerDevelopment at main · Ustinianer/DeepLearning

关键词：深度学习训练、vscode，远程开发，容器开发、远程容器开发

2 应用场景

vpn+跳板机+目标机+容器开发

3 基础概念理解

基础远程开发：需要先开启vpn连接跳板机，然后通过跳板机连接到目标主机

容器远程开发：需要先开启vpn连接跳板机，然后通过跳板机连接到目标主机内的开发容器

主要区别：

1 对于目标机的端口号配置不同 连接容器是目标主机ip+容器22端口映射到目标主机上的端口

2 用户名+密码不同

4 配置开发容器流程：

脚本地址：DeepLearning/remoteContainerDevelopment at main · Ustinianer/DeepLearning

1 拉取一个pytorch配置好cuda的基础镜像

目的：省去自己安装cuda以及相关配置，例如：

# docker-pytorch官方镜像网址  https://hub.docker.com/r/pytorch/pytorch/tags
docker pull pytorch/pytorch:2.5.1-cuda12.1-cudnn9-devel复制

2 构建基础开发镜像

在拉取的镜像基础上构建一个开发镜像，目的是安装ssh和一些常用的linux工具以及miniconda（通常pytorch官方镜像会预装miniconda）

3 启动镜像

主要关注-p（端口映射）、--gpus（指定gpu）、--mount（指定挂载目录）

#!/bin/bash
c=1;  

host_name=dev_base
which_image=dev_base:v1
new_user=wmj
new_pwd=123456
container_name=wmj_dev
local_mount_dir=/nvme1/wmj
container_mount_dir=/mnt/wmj

# mkdir -p /data/cont_space/"$new_user"_"$c"
docker run -it \
    -h $host_name \
    -p "$((50401+c)):80" \
    -p "$((49448+10*c)):443" \
    -p "$((10000+c)):6006" \
    -p "$((20000+c)):6007"  \
    -p "$((32868+c)):22" \
    -p "$((40100+10*c)):8000" \
    -p "$((41200+10*c)):8080" \
    -p "$((42300+10*c)):8081" \
    -p "$((43400+10*c)):8082" \
    -p "$((2201+c)):$((2201+c))" \
    --gpus all \
    --name $container_name \
    --ipc=host \
    --mount type=bind,source=$local_mount_dir,target=$container_mount_dir \
    -e NEW_USER=$new_user \
    -e NEW_PWD=$new_pwd \
    $which_image /bin/bash复制

5 vscode远程连接配置

# 基础远程开发配置参考
Host 自定义
  HostName 目标机ip
  Port 22
  User 目标机用户名
  ProxyJump 跳板机用户名@跳板机ip:跳板机端口  
  IdentityFile ~/.ssh/id_rsa

# 容器远程开发配置参考
Host 自定义
  HostName 目标机ip
  Port 容器内22端口映射到目标机上的端口
  User 容器内用户名
  ProxyJump 跳板机用户名@跳板机ip:跳板机端口  
  IdentityFile ~/.ssh/id_rsa复制

6 远程工具ssh连接配置

...