代码学习，前言技术分享，深度分析编程技术，普及科普编程技术

一.操作系统环境说明　　关于CentOS和Ubuntu的系统安装可参考我之前录制的视频教程:　　　　https://www.bilibili.com/video/BV1HZ4y137tS二.操作系统初始环境配置1>.关闭并禁用防火墙[root@docker201.yinzhengjie.com ~]# systemctl stop firewalld[root@docker201.yinzhengjie.com ~]# [root@docker201.yinzheng

硬件和操作系统环境：./NVIDIA-Linux-x86_64-460.39.run --kernel-source-path=/usr/src/kernels/3.10.0-1160.59.1.el7.x86_64yum erase kmod-nvidia

【全球人工智能技术创新大赛【热身赛一】CV异常检测CV实践-布匹疵点智能识别（异常检测，工业场景）专题比赛地址：https://tianchi.aliyun.com/s/fed26b0e90c5776e6b3d61cd5912a423baseline 开源内容：https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection 重点看这个文档：docker提交教程.pdf从0梳理1场CV缺陷检测赛事！.

本机环境说明操作系统版本:~$ cat /etc/*releaseDISTRIB_ID=UbuntuDISTRIB_RELEASE=18.04DISTRIB_CODENAME=bionicDISTRIB_DESCRIPTION="Ubuntu 18.04.5 LTS"NAME="Ubuntu"VERSION="18.04.5 LTS (Bionic Beaver)"ID=ubuntuID_LIKE=debianPRETTY_NAME="Ubuntu 18.04.5 LTS"VE

问题跑机器学习程序环境往往涉及到以下几个方面的问题：硬件，intel x86，amd，arm等各种芯片 操作系统，windows，ubuntu，centos，mac等，考虑64位，32位等 显卡驱动，例如采用英伟达nvidia公司的GPU显卡，1070ti，1080ti等等显卡涉及到驱动，cuda，cudnn等的安装问题 开发语言：目前主流的机器学习实验开发语言是python，涉及到python版本管理问题，各种依赖包管理与隔离问题 主流机器学习框架，对前面 4个 问题的依赖不一样，例如te

背景：安装NVIDIA transfer，需要依赖环境。为了在docker中支持GPU，NVidia之前是弄了个nvidia-docker2，现在升级为NVIDIA Container Toolkit了。参考github安装Docker安装传送门完成上面的Docker安装后，开始配置nvidia-docker源添加源distribution=$(. /etc/os-release;echo $ID$VERSION_ID)curl -s -L https://nvid...