1 致谢
感谢博文《深度学习环境配置docker+pycharm+GPU》的帮助
2 Docker——“就像控制台版本的虚拟机”
在南溪看来,docker就像是控制台版本的虚拟机;
于是这样就可以解释,docker容器在第二次运行时仍然会保留前一次运行时的轨迹,比如:创建文件和创建目录等等。
3 验证nvidia-docker是否安装成功
这里我们参考了nvidia-docker文档的命令来进行测试,命令如下:
sudo docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
4 南溪常用的docker命令
下载镜像:
nvidia-docker pull docker-hub-url
第一次启动容器(类似于conda create
):
nvidia-docker run --name container-name -it pytorch/pytorch:1.1.0-cuda10.0-cudnn7.5-runtime
参数说明:
--name
: 创建容器的名称。-it
: 以交互式方式启动容器。
以交互模式启动容器(类似于conda activate
):
sudo nvidia-docker start container-name
退出当前容器:Ctrl+D
删除容器:Ctrl+D
docker rm container-id
删除镜像:Ctrl+D
docker rmi image-url
4.1 常用命令介绍
docker container ps
:
列出正在运行的容器。
5 使用PyTorch官方镜像
5.1 错误解决方案
无法使用“nvcc -V”
这是因为“runtime”版本的镜像没有使用CUDA的编译程序,需要使用devel
版本的镜像;