想當初剛進實驗室的時候，第一件遇到的事就是怎麼使用記中的server，通常大家共同使用的server都會灌一個名為docker的小鯨魚，目的就是為了讓大家各自建立自己的環境，而不會互相影響，也不會汙染到server本地端的環境，是一個好用且必學的東西。

如果你是已經有一個ubuntu系統，上面已經安裝好docker，那可以直接跳到第二步。
如果你想重頭安裝，那麼可以從第一步開始。

1. docker 安裝 (Ubuntu Linux)

只需使用apt就可以安裝docker了，然後可以透過下一行來觀察docker的狀況，如果正常會有綠色的active(running)

sudo apt install docker-io
service docker status

但後續需要使用nvidia的GPU，需要再照以下網址安裝即可
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html

2. docker 起 container

docker 當中有兩個名詞是比較常聽到的:

1. images: 可以把它想像成是已經有人幫你環境都包好好了，你只需要下載來做使用
2. container: 將下載好的images透過docker run或docker compose等等指令來start他

語法:
docker run [OPTIONS] IMAGE [COMMAND] [ARG...]

可以透過以下指令直接起一個有ubuntu環境的container，如果本沒有對應的image，那麼會直接幫你從網路上下載
sudo docker run -i -t ubuntu

當中run後面會接蠻多-i -t -d -v -p…等參數，讓我一一來介紹或參考https://www.runoob.com/docker/docker-run-command.html

1. -it: 互動的(interactive)終端(terminal)
2. -d: 背景執行，並返回container ID
3. -v: 類似建立捷徑的概念，格式為 host_dir: container_dir
4. -p: port對應，格式為 host_port: container_port
5. --name: 替你的container取個名字，通常我會取 你的名字_任務名稱_cuda版本，比如: jeremy_enhance_cuda122
6. --gpus all: 讓container內部可以使用GPU，可以帶all，或指定特定的GPU編號
7. --shm-size: 有時候訓練model在dataloader的時候，如果沒有設定會報錯，通常會設個16gb(看記憶體大小)

最後我自己起一個開發環境會用以下的指令，port會多開幾個，用於api ssh tensorboard，直接使用pytorch的image可以去 https://hub.docker.com/r/pytorch/pytorch
找到適合你機器的image

sudo docker run --name jeremy_enhance_cuda122 -d -v /home/jeremy/enhance:/ws -p 9000:9000 -p 9022:22 -p 9066:6066 --shm-size=16gb --restart unless-stopped pytorch/pytorch:2.3.0-cuda12.2-cudnn8-devel

第一天大概到這邊，本人第一次寫文章，如果有誤歡迎提出，如果有空後續會持續更新~~