软件部署——nvidia-docker的学习笔记

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；