豆芽菜

官方安装指导大法好，见链接以Ubuntu为例：# Add the package repositoriesdistribution=$(. /etc/os-release;echo $ID$VERSION_ID)curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/n

Nvidia Docker安装后，使用镜像创建容器时出错，命令如下docker run -it -gpus all ubuntu nvidia-smi错误提示：Error response from daemon: could not select device driver "" with capabilities: [[gpu]]这是由于没有配置好docker运行环境导致的，执行安装容器运行环境（Ubuntu为例）apt-get install nvidia-container

Docker的镜像、容器和仓库介绍镜像（Image）：类似虚拟机镜像容器（Container）：类似linux系统环境，运行和隔离应用。容器从镜像启动的时候，docker会在镜像的最上一层创建一个可写层，镜像本身是只读的，保持不变。仓库（Repository）：每个仓库存放某一类镜像。镜像可以理解为是一个基础的系统镜像，容器则是利用该环境创建的实例，可以直接使用或修改，但是不会修改原镜像，但容器可以做成新的镜像。关系类似于面向对象的类与对象。Docker使用时大概流程是拉取（或文件加载）镜像

在使用dockerfile文件创建镜像的时候，采用docker build命令，例如docker build -t image_name会报错："docker build" requires exactly 1 argument(s).出错原因是命令最后需要一个点，即：docker build -t image_name .为什么会有这个点呢，来看下Docker build命令docker build [OPTIONS] PATH | URL | -docker bu

ImportError: libGL.so.1: cannot open shared object file: No such file or directory——docker容器内问题报错容器内libGL.so.1问题 引用容器内libGL.so.1问题在实验室的服务器下跑yolov3的pytorch版本时，原本前几天跑的好好的，后来突然不知道怎么回事，就开始报错，一脸懵逼。后来百度了好多。。。emm 挺不顺利的，所以mark一下。ImportError: libGL.so.1:.

Setup the RepositoryUpdate theaptpackage index: $ sudo apt-get update Install packages: $ sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ software-properties-common Add Docker's official GPG key: $ cur..

预备知识：一个commit对应这一个版本，有一个commit id，40位的16进制数字，通过SHA1计算得到，不同的文件计算出来的SHA1值不同(有很小的几率相同，可忽略)，这样每一个提交都有其独特的id。每提交一个新版本，实际上Git就会把它们自动串成一条时间线。在Git中，HEAD表示当前版本，也就是e620a6ff0940a8dff…，HEAD^表示上一个版本，HEAD^^表示上上一...