開始使用Docker：降落 (GUI)

透過前兩篇文章，我們已經可以熟練地使用 Docker 。但是，我們在進行機器學習時，必不可少地需要用到一些圖片檢視器來察看圖表、照片與影片等等。為此，我們需要用為我們的 Docker 加上一些新的設定。

我是參考了Real-time and video processing object detection using Tensorflow, OpenCV and Docker. 這篇文章再加以修改的。
(以下內容主要以 Ubuntu 為主，mac 與 windows 沒經過測試。)

第一步

我們需要先建立好一個 Dockerfile。
Dockerfile 請到我的 Github 上下載。

第二步

我們使用剛剛下載來的 Dockerfile 來建立一個 Docker image。
$ sudo docker build --tag dockergui/v1 ./your/path/to/dockerfile/folder

待 image 安裝完成後，再用:
$ sudo docker images 來檢查dockergui 是否存在。

第三步

可以開始運行 docker 了！
在 terminal 中打下以下指令:

$ xhost +local:docker
$ XSOCK=/tmp/.X11-unix
$ XAUTH=/tmp/.docker.xauth
$ xauth nlist $DISPLAY | sed -e 's/^..../ffff/' | xauth -f $XAUTH nmerge -
$ sudo docker run -it --device=/dev/video0　-e DISPLAY=$DISPLAY --env QT_X11_NO_MITSHM=1\ -v $XSOCK:$XSOCK -v $XAUTH:$XAUTH\ 
-e XAUTHORITY=$XAUTH dockergui/v1
$ xhost -local:docker

現在，應該已經進入了 Docker container。

最後一步

現在進去 container 試著跑一段code 來開啟鏡頭吧。

import numpy as np
import cv2
cap = cv2.VideoCapture(0)
while(True):
    # Capture frame-by-frame
    ret, frame = cap.read()
# Our operations on the frame come here
# gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Display the resulting frame
    cv2.imshow('frame',frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
# When everything done, release the capture
cap.release()
cv2.destroyAllWindows()

上面是在 Docker 開啟鏡頭後畫面

如果有需要，可以回到上兩篇查閱：開始使用Docker：試飛
開始使用Docker：升空

以上是一個 Docker 三部曲的完結，如果覺得有幫助到你的話，希望可以拍個手給我吧。謝謝！

如果你覺得我的文章幫助到你，希望你也可以化讚為賞，加入 Liker ，再按下方的綠色拍手按鈕，為文章點讚！為作者增加收益，再回饋更多好文章！