docker gpu环境搭建
前言
搭建GPU的开发环境需要安装nvidia的驱动、cuda、cudnn等,还要安装tensorflow、pytorch、mxnet等框架,并且驱动版本和框架版本需要相统一,如tensorflow1.9的版本需要对用cuda9.0,如果要升级tensorflow,cuda也要做相应的升级。每次在新机器上部署环境都费时费力,因此急需一套docker来快速移植。
安装nvidia-docker
普通的docker环境不支持gpu,因此我们需要一个nvidia-docker的版本。如图:
![da25e49ce42942c1fadbaf7fe67593d7.png](https://img-blog.csdnimg.cn/img_convert/da25e49ce42942c1fadbaf7fe67593d7.png)
我们可以下载官方的带驱动的镜像,这样我们就只需要在容器中安装cuda toolkit就行了。
- 首先我们需要选择安装nvidia-docker的版本,查询可用版本:
apt-cache madison nvidia-docker2 nvidia-container-runtime
- 在列表中我选择18.09.2的版本进行安装 nvidia-docker2和nvidia-container-runtime的版本最好相同
sudo apt-get install -y nvidia-docker2