在项目中评估docker-pytorch，可以先看清用途边界：PyTorch 的 Docker 映像。实际做部署与运行环境时，经常会碰到权限、依赖和环境差异会放大维护成本，所以功能列表并不能代替验证。更实际的做法是在非生产环境复现一次安装与运行，同时核对依赖锁定、权限边界、日志、回滚和资源消耗，不要直接在关键项目上。如果团队属于愿意维护环境并重视故障恢复的工程团队，它有继续测试的理由；否则先看替代方案会更省时间。

PyTorch Docker 镜像

Ubuntu + PyTorch + CUDA（可选）

要求

为了使用此镜像，您必须安装 Docker 引擎。使用说明 用于设置 Docker Engine 的是 可在 Docker 网站 上找到。

CUDA 要求

如果您有 CUDA- 兼容的 NVIDIA 显卡，则可以使用 CUDA-enabled PyTorch 映像版本以启用硬件加速。我只有 在 Ubuntu Linux 中对此进行了测试。

首先，确保安装适当的 NVIDIA 驱动程序。在Ubuntu上， 我发现确保您拥有正确版本的最简单方法 设置的驱动程序是通过安装 CUDA _至少与 您打算使用的图像_via 官方 NVIDIA CUDA 下载页面。 例如，如果您打算使用 cuda-10.1 映像，则设置 CUDA 10.1 或 CUDA 10.2 应确保您拥有正确的图形驱动程序。

您还需要安装 NVIDIA 容器工具包以启用 GPU 设备 Docker 容器内的访问。这可以在以下位置找到： NVIDIA/nvidia-docker.

预建图像

预构建的镜像可以在 Docker Hub 上使用，名称为 anibali/pytorch.

例如，您可以使用以下命令拉取 PyTorch 2.0.1 和 CUDA 11.8 的映像：

$ docker pull anibali/pytorch:2.0.1-cuda11.8

用途

运行 PyTorch 脚本

可以使用以下命令在容器内运行 PyTorch 程序 python3 命令。例如，如果您位于包含以下内容的目录中： 一些带有入口点 main.py 的 PyTorch 项目，您可以使用以下命令运行它 以下命令：

docker run --rm -it --init 
  --gpus=all 
  --ipc=host 
  --user="$(id -u):$(id -g)" 
  --volume="$PWD:/app" 
  anibali/pytorch python3 main.py

以下是上面显示的 Docker 命令行选项的说明：

• --gpus=all：如果使用 CUDA，则为必需，否则为可选。通过 显卡从主机到容器。您还可以更准确地 使用此选项控制暴露哪些显卡（请参阅文档 在 https://github.com/NVIDIA/nvidia-docker）。
• --ipc=host：如果使用多处理则需要，如所述 https://github.com/pytorch/pytorch#docker-image.
• --user="$(id -u):$(id -g)"：设置容器内的用户以匹配您的 用户和组 ID。可选，但对于使用正确的方式写入文件很有用 所有权。
• --volume="$PWD:/app"：将当前工作目录挂载到容器中。 容器内的默认工作目录是/app。选修的。

运行图形应用程序

如果您在 Linux 主机上运行，则可以在 Docker 内运行代码 使用主机 X 服务器显示图形的容器（这允许您使用 以 OpenCV 的 imshow 为例）。这里我们描述一个快速而肮脏的（但是INSECURE） 这样做的方法。有关 GUIs 和 Docker 的更全面指南请查看 http://wiki.ros.org/docker/Tutorials/GUI.

在主机上运行：

sudo xhost +local:root

您可以稍后使用 sudo xhost -local:root 撤销这些访问权限。 现在，当您运行容器时，请确保添加选项 -e "DISPLAY" 和 --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw"。这将提供容器 与用于通信的 X11 插座和显示器 ID 一起使用。这是一个 示例：

docker run --rm -it --init 
  --gpus=all 
  -e "DISPLAY" --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" 
  anibali/pytorch python3 -c "import tkinter; tkinter.Tk().mainloop()"

派生您自己的图像

向映像添加额外依赖项的推荐方法是创建 您自己的 Dockerfile，使用此项目中的 PyTorch 映像之一作为基础。

例如，假设您需要 OpenCV 并希望使用 PyTorch 2.0.1。您可以使用以下命令创建自己的 Dockerfile anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04作为基础镜像并安装 OpenCV 使用额外的构建步骤：

FROM anibali/pytorch:2.0.1-cuda11.8-ubuntu22.04

# Set up time zone.
ENV TZ=UTC
RUN sudo ln -snf /usr/share/zoneinfo/$TZ /etc/localtime

# Install system libraries required by OpenCV.
RUN sudo apt-get update 
 && sudo apt-get install -y libgl1-mesa-glx libgtk2.0-0 libsm6 libxext6 
 && sudo rm -rf /var/lib/apt/lists/*

# Install OpenCV from PyPI.
RUN pip install opencv-python==4.5.1.48