Ubuntu 18.04在已經安裝Docker CE后如何安裝NVIDIA-Docker，以使docker容器內可以使用宿主機顯卡

注意： 本文是在電腦上已經安裝好docker環境的前提下進行的。

docker環境如何安裝參照前文。

 

本文內容節選自：  https://baimafujinji.blog.csdn.net/article/details/89784555

---------------------------------------

 

安裝NVIDIA-Docker

# 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

 

 

 

 

 

 

 

 

 

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：

 

 

 

 

 

 

 

 

三、用Docker（NVIDIA-Docker）載入TensorFlow鏡像

 參考Dockerhub關於Tensorflow的頁面（鏈接），主要是“Running Containers”部分。例如，如果要開啟一個基於Python2、CPU版的TensorFlow，可以使用：

docker run -it --rm tensorflow/tensorflow bash

 

 

或者，開啟一個基於Python3、GPU版的TensorFlow（可根據需要的版本指定鏡像），並開啟容器。注意，這里我們使用的Tag是1.10.0-gpu-py3。因為CUDA的版本是9.0，太高版本的TensorFlow不支持。更多的可選Tag可以查閱鏈接。

 

 

docker run -it --rm --runtime=nvidia tensorflow/tensorflow:1.10.0-gpu-py3 python

 

 

來看一下執行的結果。

 

 

 

 

 

 

 

 

 

 

 

參考資料：

https://baimafujinji.blog.csdn.net/article/details/89784555