Nvidia-Docker使用GPU

使用前提：

（1）已经在宿主机安装好了nvidia-docker，可执行nvidia-docker -v命令验证；

（2）已经在宿主机安装好了nvidia驱动，可执行nvidia-smi验证；

（3）确保pull的镜像中的cuda版本小于等于宿主机的cuda版本，可执行nvidia-smi查看宿主机cuda版本。

Nvidia-Docker使用宿主机GPU（使用--gpus参数）：

# 使用所有GPU:--gpus all
# 使用两个GPU:--gpus 2
# 指定GPU运行:--gpus '"device=1,2"'

# 使用GPU示例
# 构建tensorflow1.15-gpu容器
# 拉取tensorflow官方提供的tensorflow/tensorflow:1.15.5-gpu镜像
docker pull tensorflow/tensorflow:1.15.5-gpu
nvidia-docker pull tensorflow/tensorflow:1.15.5-gpu
# 构建容器，指定--gpus参数
docker run -itd --gpus all --name tf115-gpu tensorflow/tensorflow:1.15.5-gpu
nvidia-docker run -itd --gpus all --name tf115-gpu tensorflow/tensorflow:1.15.5-gpu

# 注：安装Nvidia-Docker后，可使用nvidia-docker命令，也可以直接使用docker命令，两者均可以使用--gpus参数

容器GPU测试：

（1）容器中执行nvidia-smi命令，若输出GPU相关信息，则说明容器可以调用GPU；

（2）Python环境GPU测试（以构建的tf115-gpu为例），在容器中执行Python（此时使用的ipython），导入tensorflow测试，tf.test.is_gpu_available()输出True，则Python tensorflow GPU环境构建成功。