docker 部署镜像 cuda11.6 + cudann + ubuntu20.04 + anaconda3

1、拉取cuda cudann ubuntu20.04 镜像

docker pull nvcr.io/nvidia/cuda:11.6.0-cudnn8-devel-ubuntu20.04

2、创建 Dockerfile 文件

FROM nvcr.io/nvidia/cuda

# 设置工作目录（可选）复制当前目录下所有文件到 镜像 app 下
WORKDIR /app
COPY . /app

3、创建自己的镜像 （注意最有个点 .）

docker build -t YOU_NAME:1.0 .

4、创建容器

docker run -dit -e gearman_address=10.25.20.243:4730 --restart=always --gpus all --name YOU_NAME2 -u root YOU_AME:1.0 /bin/bash

-dit：
-d 或 --detach：在后台运行容器，并打印容器ID。
-i 或 --interactive：即使没有附加也保持STDIN开放。
-t 或 --tty：分配一个伪终端或TTY。
-e gearman_address=10.25.20.243:4730：
设置环境变量 gearman_address 的值为 10.25.20.243:4730。
--restart=always：
无论容器退出状态如何，Docker都会自动重启该容器。这适用于需要始终运行的容器，如数据库服务。
--gpus all：
如果你的Docker守护进程和主机系统支持NVIDIA GPU加速，这个选项会允许容器使用所有可用的GPU。这通常用于深度学习或其他需要GPU加速的应用。
--name YOU_NAME2：
为这个容器指定一个名字，这样你可以更容易地引用它。注意这里的 YOU_NAME2 应该被替换为你想要的实际名称。
-u root：
以root用户身份运行容器内的主进程。这通常不推荐用于生产环境，因为它会带来安全风险。但在某些情况下，你可能需要root权限来执行某些操作。
YOU_AME:1.0：
这应该是你想要运行的Docker镜像的名称和标签。但请注意，这里似乎有一个拼写错误（YOU_AME 可能应该是 YOUR_IMAGE 或其他有效的镜像名）。你需要确保这个镜像名称和标签是正确的，并且该镜像已经存在于你的Docker守护进程中，或者可以通过Docker Hub或其他容器仓库访问。
/bin/bash：
这是容器启动后要运行的命令。在这个例子中，/bin/bash 是一个shell，它允许你与容器进行交互。这意味着容器启动后，你将会得到一个bash shell的提示符，可以在其中执行命令。

5、进入容器

# 进入docker容器
# docker exec -it YOU_NAME2 /bin/bash
exit

6、安装 anaconda

apt-get update
apt-get install -y wget
wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
chmod +x Anaconda3-2024.06-1-Linux-x86_64.sh
./Anaconda3-2024.06-1-Linux-x86_64.sh
source ~/.bashrc
conda --version