容器將應用程序封裝到隔離的虛擬環境中，以簡化數據中心的部署。通過將所有應用程序依賴項 (例如二進制文件和庫) 都包括在內，應用程序容器能在任何數據中心環境中無縫地運行。
英偉達基於Docker 提供的NVIDIA-Docker可用於容器化 GPU 加速的應用程序。這意味着無需進行任何修改即可輕松容器化和隔離加速的應用程序，並將其部署到任何受支持的、可使用 GPU 的基礎架構上。 管理和監控加速的數據中心將變得空前容易。
一、安裝Docker
在前面的博文中，我們已經介紹了在Ubuntu系統中安裝GPU環境的方法，對於還沒有完成這些前提步驟的讀者，可以參考：
《在Ubuntu 18.04安裝NVIDIA GPU驅動》
《在Ubuntu 18.04中配置GPU環境：安裝CUDA 9.0等》
你可以在命令行輸入 nvcc --version來查看一下當前環境下的CUDA版本，如下圖所示：
這部分主要參考官網上關於Docker的文檔頁“Get Docker CE for Ubuntu”，同樣推薦讀者查閱。我們基本是按照其中的步驟進行安裝的。有時，Ubuntu上會默認安裝有Docker。若先前有安裝Docker，則需要先卸載（寫在的方法在官方文檔上有詳細介紹）。為了確定本機上沒有安裝Docker，執行命令： docker run hello-world。如下所示，可見我的機器上並沒有安裝Docker，所以可以繼續后面的步驟。
首先用下面的命令更新apt 包的索引：
$ sudo apt-get update
如下圖所示：
把Docker倉庫加進到apt里，反斜杠\代表一行，只是換行寫更清晰：
$ sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common
如下圖所示：
添加Docker的官方GPG key：
$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
驗證當前你所擁有的key的指紋是9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88，方法是搜索指紋中的后八個字符。
$ sudo apt-key fingerprint 0EBFCD88
然后用下面的語句來建立穩定的倉庫：
$ sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) \ stable"
如下圖所示：
接下來正式安裝docker：
$ sudo apt-get update
$ sudo apt-get install docker-ce
如下圖所示：
最后一個命令是驗證docker是否安裝成功，它會下載並執行hello-world鏡像。如果安裝正確，執行后的結果應該類似下面這樣：
二、安裝NVIDIA-Docker
安裝完成Docker並檢查安裝正確（能跑出來hello-world）后，如果需要Docker容器中有GPU支持，需要再安裝NVIDIA-Docker，同樣參考該項目的主頁（鏈接）。
可以看到在Quick start小節，選擇我們Ubuntu的發行版，依次執行命令：
# Add the package repositories curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update
如下圖所示：
正式安裝NVIDIA-Docker：
# Install nvidia-docker2 and reload the Docker daemon configuration sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
用最新的CUDA鏡像來測試一下nvidia-smi（檢查是否安裝成功，安裝成功，則會顯示關於GPU的信息）。
# Test nvidia-smi with the latest official CUDA image docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi
如下圖所示：
