教人详细地讲解如何搭建GPU版PyTorch Docker镜像

CUDA版本对应的Pytorch版本

一、Docker基础认知与理解

Docker介绍：

Docker 是一款开源的容器化技术平台，使开发人员能够将应用程序及其所需的依赖项封装至一个可迁移的镜像中，并将其部署于各类主流的Linux系统之上，从而达成虚拟化的效果。这些容器基于沙箱机制构建，彼此之间不存在任何交互接口。

场景举例：

在一个专注于计算机视觉研究的团队中，每位成员都拥有一台用于日常工作的个人台式机，同时团队还配置了一台服务器。这台服务器集中了该小组所有的GPU计算资源。通常情况下，成员们的工作流程是：在各自的台式机上编写并调试算法，完成后将其上传至服务器上以利用其GPU资源进行运算。

乍看之下，这种工作方式似乎并无不妥之处。但若深入思考，则会发现其中存在诸多问题。假设该团队由A、B、C、D四位成员组成。A使用的是PyTorch框架，B采用的是TensorFlow，C同样使用PyTorch但版本与A不同，而D则选择的是Caffe框架。此时问题便出现了：如果服务器上仅安装了PyTorch这一种框架，则B和D需要自行安装相应的运行环境。然而这并非最核心的问题