docker使用GPU torch

要在Docker中使用GPU加速的Torch，你需要进行以下几个步骤：

1. 确保你的主机已经安装了NVIDIA显卡驱动程序，并且支持CUDA。

2. 在Docker中启用GPU支持，可以使用NVIDIA Docker（nvidia-docker）来实现。首先，你需要安装Docker和NVIDIA Container Toolkit，然后按照官方文档的指引配置好GPU支持。

3. 创建一个Docker镜像，可以使用以下Dockerfile作为示例：

FROM nvidia/cuda:11.0-base

# 安装所需的依赖
RUN apt-get update && apt-get install -y --no-install-recommends \
    python3 \
    python3-pip \
    && rm -rf /var/lib/apt/lists/*

# 安装Torch和相关依赖
RUN pip3 install torch torchvision

# 设置环境变量
ENV LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
ENV TORCH_CUDA_ARCH_LIST=Volta;Turing;Pascal;Maxwell

# 定义你的工作目录
WORKDIR /app

# 将你的代码复制到工作目录中
COPY . /app

# 设置入口命令，可以根据你的实际需求进行修改
CMD ["python3", "your_script.py"]

4. 构建镜像并运行容器。在终端中进入Dockerfile所在的目录，执行以下命令：

docker build -t your_image_name .
docker run --gpus all -it your_image_name

其中，`your_image_name`是你给镜像起的名字。

5. 运行容器后，你可以在容器内部运行基于GPU的Torch代码了。

这样，你就可以在Docker中使用GPU加速的Torch了。记得根据你的具体需求修改Dockerfile和入口命令。希望对你有所帮助！