docker NVIDIA pytorch

您好！对于在 Docker 中使用 NVIDIA GPU 和 PyTorch，您可以按照以下步骤进行操作：
1. 确保您的主机上已经安装了 NVIDIA 驱动程序和 Docker。您可以通过运行 `nvidia-smi` 命令来检查 NVIDIA 驱动程序是否正确安装。

2. 下载适用于您的系统的 Docker 显卡版本（NVIDIA Container Toolkit）。您可以在 NVIDIA 官方网站上找到相应的指南和下载链接。

3. 安装 Docker 显卡版本。根据您的操作系统，遵循相应的指南和说明进行安装。

4. 创建一个 Dockerfile 文件，定义您的容器环境。以下是一个示例 Dockerfile 的内容：

FROM pytorch/pytorch:1.9.0-cuda11.1-cudnn8-runtime

# 安装其他依赖库
RUN pip install torchvision

# 设置环境变量
ENV NVIDIA_VISIBLE_DEVICES all
ENV NVIDIA_DRIVER_CAPABILITIES compute,utility

# 设置工作目录
WORKDIR /app

# 复制代码到容器
COPY . /app
# 运行命令
CMD ["python", "your_script.py"]

在上述示例中，我们使用了基于 PyTorch 1.9.0、CUDA 11.1 和 cuDNN 8 的官方 Docker 镜像作为基础镜像。您可以根据您的需求选择合适的基础镜像。

5. 构建和运行容器。使用以下命令构建镜像并运行容器：

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

在上述命令中，`--gpus all` 参数用于将 GPU 设备传递给容器。

这样，您就可以在 Docker 容器中使用 NVIDIA GPU 和 Py