利用docker构建pytorch-gpu环境

安装docker

在ubuntu安装docker的教程，点击此处，按照其中的手动安装部分一步步来就好。

拉取pytorch基础镜像

docker pull pytorch/pytorch:1.5-cuda10.1-cudnn7-devel

下载完毕之后，使用docker images查看镜像仓库中是否已经有了我们刚刚拉取的镜像

当然你也可以

pull nvidia/cuda:10.1-cudnn7-devel-ubuntu18.04

作为最最基本的一个镜像，然后再安装python，pytorch等等
pytorch-gpu安装命令：

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

创建容器

然后我们就要利用下载好的镜像创建一个容器了

docker run --name yh_container --runtime=nvidia -it pytorch/pytorch:1.5-cuda10.1-cudnn7-devel

注意：一定要加–runtime=nvidia，否则在镜像中无法使用gpu，可以通过在新建的容器中输入nvidia-smi查看能否得到正确信息

好了，接下来这个容器就跟一台独立的机器一样了，你可以在容器里面安装各种包，以满足你代码运行的环境要求，最常用的一个命令是拷贝文件，用docker cp，可以实现本机与容器之间的文件拷贝。

其他常用命令如下：
退出容器：exit
进入容器：docker start -i containerID
查看已有容器：docker ps -a
查看已有镜像：docker images
删除容器：docker rm containerID
删除镜像：docker rmi imageNAME
将当前容器保存为一个镜像：docker commit -a “yaohui” containerID imageNAME
将当前镜像保存为一个压缩文件：docker save -o name.tar imageNAME

更多关于docker的相关教程及手册，请移步docker-tutorial。

还有一种新建镜像的方法是利用dockerfile，这种方法其实是把如何构建这个镜像（类似于上面自己拉取基础镜像，装库等一系列流程）写成一个文档，然后利用docker build直接得到满足你需求的新镜像，这篇教程很好地演示了整个流程，Docker教程(linux)，从第4步开始看。