搞机：搭建GPU加速的Docker镜像用于深度学习
发布时间
阅读量：
阅读量
在系统重装等情况下，每次重新安装后都需要重新配置pytorch等相关组件，这涉及到cuda和cudnn的重复安装，过程较为繁琐。为了解决这一问题，决定构建一个docker镜像，从而简化操作流程。同时结合jupyter notebook使用，能够有效降低使用难度。镜像中已预先安装miniconda及常用库，并集成近期常用的mxnet和pytorch的gpu版本。此外，在docker19.03版本中，无需额外安装nvidia-docker即可直接调用nvidia显卡资源。
技术栈：
- docker19.03
- cuda10.2
- cudnn8
- jupyter
- miniconda3 python3.7
- mxnet-cu102
- pytorch
1. 安装nvidia驱动
尽管无需配置CUDA、cuDNN等组件，但NVIDIA显卡的驱动程序仍需正常安装。
关于驱动的安装过程在此不再赘述，用户可通过搜索引擎获取相关信息，或参考此处提供的驱动安装指南：
可借助nvidia-smi命令来确认驱动是否已成功安装：
还没有任何评论哟~