一文整理深度学习【深度学习linux的docker+pytorch+cuda+nvidia-docker+vscode配置】

安装Nvida-docker： 参考按照官网的指导：https://github.com/NVIDIA/nvidia-docker If you arenotusing the officialdocker-cepackage on CentOS/RHEL, use the next section.： # If you have nvidia-docker 1.0 install...

是一个常用选项，用于自动确认所有提示。这意味着在运行命令时，不会提示用户进行确认操作，系统会自动回答“是”并继续执行。中科大: https://pypi.mirrors.ustc.edu.cn/simple/清华源：https://pypi.tuna.tsinghua.edu.cn/simple/阿里云：http://mirrors.aliyun.com/pypi/simple/豆瓣源：http://pypi.douban.com/simple/找到对应的cuda版本安装命令进行安装。

github地址: https://github.com/NVIDIA/nvidia-docker 安装向导地址：Installation Guide — NVIDIA Cloud Native Technologies documentation

docker相当于一个容器，其可以根据你所需要的运行环境构建相应的运行环境，此时各个环境之间彼此隔离，就不会存在在需要跑一个新的代码的时候破坏原来跑的代码所需要的环境，各个环境之间彼此隔离开，好像一个个容器将其隔离开一样 由于docker只针对在CPU上面跑的情况，对于需要在GPU上面运行的服务器，其提供了一个nvidia-docker sudo apt-get install -y nv...

安装Docker sudo apt-get remove docker docker-engine docker.io containerd runc sudo apt-get update sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg

大家好，我是消失了一个小春节的小鱼，春节忙着设计新的小产品，一直在努力，这两天又跑广州来了，今天周末，抽空给笔记本的显卡装个驱动，顺便搞了个pytorch 的GPU配置，小鱼折腾的详细步骤如下，希望对你有用。以下内容由GPT组织，GPT味道有点重。在Ubuntu 22.04笔记本上安装NVIDIA驱动和CUDA，以及配置PyTorch Docker环境是一项重要的任务，特别是对于需要进行深度学习开发的用户。在本文中，我们将详细介绍如何完成这些步骤。

在很久之前搭建pytorch环境中，看网上的教程都说需要先下载cuda才能让pytorch使用gpu加速，后来我自己在新机子上没有安装cuda，也能让pytorch使用gpu加速，这让我很困惑。并且，与cuda相关的名词有很多，比如cuda driver api，cuda runtime api，以及cudatoolkit，这些名词之间的关系和区别是什么也一直困扰着我。这次，就一次性搞清楚吧！！！

Docker是一个强大的工具神器，它使得应用程序的打包、部署和管理变得更加简单、高效和安全。无论是在开发、测试还是生产环境中，都发挥着重要的作用。本文介绍在Linux下Docker的安装和常用命令

这次主要是介绍linux显卡的装载使用过程，也是自己的心得体会，毕竟当时自己实践的时候栽了不止一次，有人问docker中加载本地显卡有什么用，其实docker中如果运行的程序需要显卡资源的话那么就用得上了。

利用docker配置指定的python+pytorch+cuda环境

安装docker(CPU使用)--参考官网命令，地址：Install Docker Engine on Ubuntu | Docker DocumentationInstructions for installing Docker Engine on Ubuntuhttps://docs.docker.com/engine/install/ubuntu/ # 安装依赖 sudo apt-get install \ apt-transport-https \ ca-certificates

这个版本号是指CUDA的版本号。CUDA是NVIDIA开发的一种通用并行计算平台和编程模型，可以利用GPU的并行计算能力加速各种计算任务。此处的"11.7"是CUDA的版本号，不同的版本号代表着不同的CUDA版本，也可能需要使用不同的驱动程序版本来支持。这个版本号是指NVIDIA显卡驱动程序的版本号。显卡驱动程序是连接操作系统和显卡硬件之间的桥梁，它负责管理显卡的各种功能和性能。此处的"515.86.01"是驱动程序的版本号，不同的版本号代表着不同的驱动程序版本。这里的11.7 指的是可驱动的最高版本。

其中id_rsa是私钥，id_rsa.pub是公钥，私钥在你的电脑本地，公钥放在服务器上，再通过某个命令指定公钥就成功了！（我是已经安装有这种软件，名叫Bitvise，没有安装的朋友可以搜索一下怎么安装，或者之后我再出一篇相关教程。Tips：不要下载最新的安装脚本，可能会有bug或者不太稳定，也不要下载太老的版本。由于默认源是在国外的，下载速度慢，容易不稳定，推荐为anaconda加入国内源。在国内，想要安装pytorch+gpu，必须使用pip安装，使用conda是安装不上的！

在docker中配置conda+pytorch(GPU)，cuda可用！并将容器保存为镜像。

Nvidia Docker中使用docker hub拉取带有cuda+pytorch的镜像，以及生成容器并查询相关信息

可是 docker 早期版本，不支持gpu 没有 --gpu 参数第一种思路： 离线升级 docker版本，docker 19以后，可以使用 --gpus，但是权限不够，不能安装docker 第二种思路：在用户目录下，安装docker-rootless，更高版本（尝试了4天） 不能下载 .deb包，只能下载，压缩包，解压，运行，然后报错 所有权限高一点的指令，全部不能运行其实在docker早期版本(docker18.04)上，运行 pytorch，需要安装 nvidia-docker 全部安装命令，及使用