本篇博客主要介绍了docker的配置，以及利用Pycharm作为开发平台连接远程服务器进行开发，在中途遇到了一些问题，作为记录且方便有同样问题的同学进行参考。

docker的安装及开放

首先在ubuntu上安装docker，命令如下：

curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

由于服务器上已预先安装好docker，在此不详述，具体可查docker菜鸟教程。安装完毕后，我们就可以创建自己所需要的镜像。

服务器上安装好docker后，我们需要进行远程连接，有两种方法：开放端口和ssh连接。这里开启了docker 2375端口进行连接，步骤可见docker-2-远程，ssh连接步骤可见该文章。如果使用ssh进行连接，需要手动地开启容器，相对而言，开放端口让pycharm连接，则省去了这一手动环节，只需要将镜像告诉给pycharm，它便会在运行程序前自动创建一个容器。

docker在Pycharm上的部署

完成以上步骤后，就可以在pycharm上进行配置连接了。

• 打开pycharm设置
  
  该步完成后，我们就完成了对docker的连接。

• 接下来需要对python的服务器进行配置。
  
  

顺利的话，我们就可以看到解释器所包含的package了，需要注意的时，我们并不能在pycharm中手动安装包，这一点之后会再次提到。

在设置好解释器后，可能会发生pycharm无法加载远程服务器包的情况，代码中的包可能也会有红色波浪线，但仍然可以正常运行，这可能是因为服务器的镜像与pycharm版本不兼容的原因，后者无法更新skeletons。

• 然后我们需要进行文件同步设置
  打开Tools -> Deployment -> Configuration
  
  

• 运行配置
  最后我们设置运行py文件。
  首先将文件上传到服务器：Deployment -> Upload
  然后Run -> Edit Configuration
  

然后点开dockercontainer setting，设置host（服务器主机）和container（容器）的映射。

设置完成后，点击运行，就可以看到运行结果。为了方便，可以设置保存本地文件时自动上传到服务器项目中，

docker环境安装和使用gpu的问题

然而在使用docker的过程中，仍然遇到了问题：

• 在docker的容器中安装包，却无法在pycharm中更新。
• docker默认不使用gpu。

针对于第一个问题，我了解到Pycharm对docker环境解释器的加载只和镜像有关，与容器没有关系，只要提供镜像，镜像里的环境就能加载，手动创建的容器其实并不能影响镜像环境。

因此，这会导致一个问题，当我们需要在已有的镜像中安装新的package时，直接在容器中添加，对于Pycharm的解释器是没有用的，并不能影响当前的环境。因此，我们需要手动将添加包，修改后的容器保存为新的镜像，重新添加Python解释器，这样Pycharm才能加载到新的环境。

针对于第二个问题，pycharm在运行程序时，会自动创建一个容器并在结束时停止该容器。但docker的容器其实是默认不使用gpu资源的，gpu在容器中也是不可见的状态。我们可以在docker run命令中加上"–gpus all"或"runtime=nvidia"，这样就可以在容器中查找到gpu的信息了。

这样我们就可以手动开启一个能使用gpu的容器。
为了能够让Pycharm也能够自动创建一个可以使用gpu的容器，我们需要在设置中添加参数：

这样，我们就可以使用gpu来计算了。

---

参考文章

Docker-3-Pycharm
Pycahrm中添加docker解释器
docker容器获取gpu的全部计算资源