Ubuntu 18.04在已经安装Docker CE后如何安装NVIDIA-Docker，以使docker容器内可以使用宿主机显卡

注意： 本文是在电脑上已经安装好docker环境的前提下进行的。

docker环境如何安装参照前文。

本文内容节选自：  https://baimafujinji.blog.csdn.net/article/details/89784555

---------------------------------------

安装NVIDIA-Docker

# Add the package repositories
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | 
  sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | 
  sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

正式安装NVIDIA-Docker：

# Install nvidia-docker2 and reload the Docker daemon configuration
sudo apt-get install -y nvidia-docker2
sudo pkill -SIGHUP dockerd

用最新的CUDA镜像来测试一下nvidia-smi（检查是否安装成功，安装成功，则会显示关于GPU的信息）。

# Test nvidia-smi with the latest official CUDA image
docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

如下图所示：

 

三、用Docker（NVIDIA-Docker）载入TensorFlow镜像

 参考Dockerhub关于Tensorflow的页面（链接），主要是“Running Containers”部分。例如，如果要开启一个基于Python2、CPU版的TensorFlow，可以使用：

docker run -it --rm tensorflow/tensorflow bash

或者，开启一个基于Python3、GPU版的TensorFlow（可根据需要的版本指定镜像），并开启容器。注意，这里我们使用的Tag是1.10.0-gpu-py3。因为CUDA的版本是9.0，太高版本的TensorFlow不支持。更多的可选Tag可以查阅链接。

docker run -it --rm --runtime=nvidia tensorflow/tensorflow:1.10.0-gpu-py3 python

来看一下执行的结果。

 

参考资料：

https://baimafujinji.blog.csdn.net/article/details/89784555