Linux（ubuntu）GPUCUDA构建Docker镜像

一、创建Dockerfile FROM ubuntu:20.04 #非交互式，以快速运行自动化任务或脚本，无需图形界面 ENV DEBIAN_FRONTEND=noninteractive # 安装基础工具 RUN apt-get update && apt-get install -y \ curl \ wget \ git \ build-essential \ software-properties-common \ python3.8 \ python3-pip \ && apt-get clean \ && rm -rf /var/lib/apt/lists/* RUN apt-get update && apt-get install -y python3-pip # 更新 pip 和 setuptools #RUN python3 -m pip install --upgrade pip setuptools # 添加 NVIDIA CUDA 密钥和仓库 RUN apt-key adv --keyserver keyserver.ubuntu --recv-keys A4B469963BF863CC \ && echo "deb developer.download.nvidia /compute/cuda/repos/ubuntu2004/x86_64/ /" > /etc/apt/sources.list.d/cuda.list # 安装 CUDA 和 cuDNN RUN apt-get update && apt-get install -y --no-install-recommends \ cuda-toolkit-12-4 \ libcudnn8 \ && apt-get clean \ && rm -rf /var/lib/apt/lists/* # 设置 Python 3.8 为默认 Python 版本 RUN update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 1 # 安装gpu torch RUN pip install --timeout=100000 torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 \ --index-url download.pytorch.org/whl/cu124 \ -i mirrors.aliyun /pypi/simple

注意：cuda-toolkit以及torch相关的版本与cuda的版本都要相匹配，否则会安装失败。有其他需求则可自行更改Dockerfile文件。

二、启动容器并验证

启动容器：docker run -it --name 你的容器名称 --gpus all  你的镜像ID /bin/bash

查看显卡信息：nvidia-smi

验证GPU是否可用：python3 -c "import torch; print(torch.cuda.is_available())"