（注：本文只討論docker19使用gpu，低於19的請移步其他部落格，或更新19後再參考本文）
不要以為這樣就可以安心的使用gpu了，你的映象還必須要有cuda才行，這也很簡單，去dockerhub上找到和自己tensorflow相對應的cuda版本的映象，再基於該映象生成自己的映象就可以輕鬆使用gpu了。這裡需要額外多說一句，如果你的docker 本身就基於了某個映象（例如基於本公司倉庫的映象），docker是不允許from兩個映象的，要想實現基於兩個或多個，只能基於其中乙個，其他的映象通過各映象的dockerfile拼到新的dockerfile上，但更多的映象是沒有dockerfile的，可以通過docker history檢視某映象的生成過程，其實就是dockerfile，nvidia/cuda官網本身就有dockerfile，也可直接參考。
關於配置docker19使用gpu，其實只用裝官方提供的toolkit即可，把github上的搬下來：
$ sudo systemctl restart docker經過以上大部分linux系統的docker toolkit應該都能安裝成功，如不能安裝成功，可參考github官網，檢視是否安裝成功：
(1) 檢視–gpus 引數是否安裝成功：
$ docker run -
-help
| grep -i gpus
--gpus gpu-request gpu devices to add to the container (
'all' to pass
all gpus)
docker run -
-gpus all nvidia/cuda:
9.0-base nvidia-smi
# 使用所有gpu
$ docker run -
-gpus all nvidia/cuda:
9.0-base nvidia-smi
# 使用兩個gpu
$ docker run -
-gpus 2 nvidia/cuda:
9.0-base nvidia-smi
# 指定gpu執行
$ docker run -
-gpus '"device=1,2"' nvidia/cuda:
9.0-base nvidia-smi
$ docker run -
-gpus '"device=uuid-abcdef,1"' nvidia/cuda:
9.0-base nvidia-smi
docker容器使用GPU方法
為了使docker容器可以使用nvidia docker,可以有如下幾種辦法 1 無nvidia docker 在早期的時候，沒有nvidia docker，可以通過在容器內再部署一遍nvidia gpu驅動解決。同理，其他裝置如果想在容器裡使用，也可以採用在容器裡重新安裝一遍驅動解決。2 nvid...
使用Docker搭建多人使用GPU伺服器
讓多人共同使用gpu資源而不相互干擾，同時系統資源分配比較靈活。48 intel r xeon r silver 4116 cpu 2.10ghz 2顆24核cpu 指令 cat proc cpuinfo grep name cut f2 d uniq c cat proc cpuinfo grep...
Docker 使用總結
docker執行的機制是在建立的容器下載入和執行image，每個容器有唯一的container id，多個容器可以載入和執行相同的image.可以通過儲存正在執行的docker 來建立新的image,從而建立自己的開發執行環境，可以刪除不再使用的image docker images docker ...