docker GPU基础镜像python

已于 2024-11-13 18:02:22 修改
阅读量572 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： python3 深度学习基础 文章标签： python docker ubuntu
于 2022-08-02 11:09:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/sslfk/article/details/126118505
这个博客列举了多种CUDA和CUDNN版本的组合，每种组合都对应了不同版本的Python，主要针对的是Ubuntu GPU环境。这些配置适用于深度学习和GPU加速计算，覆盖了从CUDA 9.0到CUDA 11.0.3的多个版本，旨在为开发者提供灵活的选择来匹配他们的项目需求。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

cuda11.0.3-cudnn8
- ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda11.0.3-cudnn8
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda11.0.3-cudnn8-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda11.0.3-cudnn8-python3.8
	

cuda10.2-cudnn7
- ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.2-cudnn7
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.2-cudnn7-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.2-cudnn7-python3.8
	
	
cuda10.1-cudnn7
- ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.1-cudnn7
	
python3.6
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.1-cudnn7-python3.6
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.1-cudnn7-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.1-cudnn7-python3.8
	
	
cuda10.0-cudnn7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.0-cudnn7
	
python3.6
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.0-cudnn7-python3.6
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.0-cudnn7-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda10.0-cudnn7-python3.8
	
	
cuda9.1-cudnn7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.1-cudnn7
	
python3.6
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.1-cudnn7-python3.6
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.1-cudnn7-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.1-cudnn7-python3.8
	

cuda9.0-cudnn7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.0-cudnn7
	
python3.6
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.0-cudnn7-python3.6
	
python3.7
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.0-cudnn7-python3.7
	
python3.8
 - ccr.ccs.tencentyun.com/cube-studio/ubuntu-gpu:cuda9.0-cudnn7-python3.8
	
	
cuda10.1-cuda10.0-cuda9.0-cudnn7.6
 - ccr.ccs.tencentyun.com/cube-studio/gpu:ubuntu18.04-python3.6-cuda10.1-cuda10.0-cuda9.0-cudnn7.6-base

 python 310 +cuda 11.8 +torch2.1.1

 m.daocloud.io/docker.io/pytorch/pytorch:2.1.0-cuda11.8-cudnn8-devel

史上最详细解决“搭建GPU版Pytorch Docker镜像”教程
SpadgerZ的博客
03-15 4976
CUDA版本对应的Pytorch版本 搭建GPU版本的Pytorch Docker镜像 了解并安装完Docker之后，来配置安装GPU版本的Pytorch Docker镜像。 1.拉取基础的操作系统镜像 关键命令：docker pull 具体指令：docker pull nvidia/cuda:10.1-cudnn7-devel-ubuntu16.04 操作完成之后，使用docker images命令查看当前docker中存在的镜像： 可以看到第一行就是所拉取的镜像，该镜像中已经安.
Python Docker 镜像构建完整指南：从基础到优化
TechEnthusiast的博客
12-07 1505
Python 是一门广泛使用的编程语言，在容器化环境中，构建和使用 Python 镜像是非常常见的任务。本文将提供一个完整的指南，包括选择基础镜像、制作流程、不同场景下的应用、安全性最佳实践以及镜像优化策略。1. 选择合适的基础镜像1.1 官方 Python 镜像Docker Hub 提供了官方 Python 镜像，这是一...
docker-镜像：使用GPU训练的简易教程以及一些常用命令
civiljiao的博客
10-22 1238
下载基础镜像查看镜像运行容器查看正运行容器docker ps输入命令会进到容器中，如上图.在容器中写测试是否可以使用GPU的脚本执行脚本退出容器exit删除容器。
Cube Studio 项目本地开发环境搭建与调试指南
gitblog_00520的博客
06-28 424
Cube Studio 项目本地开发环境搭建与调试指南 前言 Cube Studio 是一个面向数据科学和机器学习工作流的开源平台，本文将为开发者详细介绍如何在本地环境中搭建Cube Studio的开发调试环境，涵盖Windows、Mac和Linux三大操作系统。 系统环境准备 Windows系统准备 Docker Desktop安装 下载最新版Docker Desktop Installe...
Docker镜像制作（使用GPU）
zxfeng的博客
08-28 2506
docker制作
Docker 创建可调用本地Gpu资源的镜像
XiaoQxin666的博客
03-07 526
Docker 创建可调用本地Gpu资源的镜像
Docker安装镜像调用本地GPU
qq_41982466的博客
05-13 1695
Docker安装镜像调用本地GPU 环境：CentOS7 基本概念 NVIDIA Container Toolkit允许用户构建和运行GPU加速容器。 该工具包包括容器运行库和实用程序，用于自动配置容器以利用NVIDIA GPU。 容器化GPU应用程序提供了许多好处，其中包括： 易于部署 隔离单个设备 跨异构驱动程序/工具包环境运行 只需要在主机上安装NVIDIA驱动程序 促进协作：可复制的构建，可复制的性能，可复制的结果。 前置要求 1、驱动安装 确保系统已安装好NVIDIA Driver，可从此处
【docker&python】亲测有效！适合新手！docker创建conda镜像+容器使用（挂载、端口映射、gpu使用）+云镜像仓库教程
波点兔的博客
08-06 1697
简单来讲，docker可以理解为一个虚拟机，里面用来存放运行程序所需要的环境（各种包）镜像、容器和仓库：镜像和容器的关系，其实类似于类和对象的关系（镜像就是模板，容器则是从镜像实例化出的一个实例）；而云仓库存的是镜像！💡 环境配置流程大概如下：先把自己本地环境打包成docker file，然后上传到仓库；然后再从仓库下载镜像文件到Linux服务器；将下载下来的镜像文件实例化成容器；最后，运行容器即可！
Docker通过拉取nvidia-gpu基础镜像进行pytorch-gpu环境配置,Ubuntu版本20.04
weixin_46916653的博客
08-27 524
快速进行docker镜像拉取并进行容器化，并配置具体pytorch-gpu环境
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
csdn_xmj的博客
12-05 1162
在计算机上配置 GPU 可能非常困难。配置步骤会根据计算机的操作系统和计算机所具有的 NVIDIA GPU 类型而变化。更难的是，当 Docker 启动容器时，它几乎需要从头开始。在本文中，我们将介绍在 Docker 容器内访问机器 GPU 所需的步骤。
简单的python程序，把它做成docker镜像
qq_37263429的博客
05-22 3643
写一个简单的python程序，可以把它做成一个docker镜像吗
基于Docker的GPU版本飞桨PaddleOCR部署深度指南（国内镜像）2025年7月底测试好用：从理论到实践的完整技术方案
最新发布
07-25 919
本指南深入解析基于Docker的GPU版本PaddleOCR 3.0部署方案，为企业级OCR服务构建提供完整的技术路径。文章从底层架构原理出发，系统阐述容器化部署的核心优势，详细剖析Dockerfile构建策略、Docker Compose编排配置以及GPU资源管理机制。内容涵盖环境配置、依赖管理、性能优化、故障排查等关键环节，特别针对PaddleOCR 3.0的新特性变更提供了专业的解决方案。GPU
docker创建可使用显卡资源的镜像
learn_game的博客
07-27 433
docker创建可使用显卡资源的镜像 转载：https://blog.csdn.net/qq_41866784/article/details/107619254
Docker - 基于NVIDIA-Docker的Caffe-GPU环境搭建
热门推荐
长风破浪会有时，直挂云帆济沧海
05-20 1万+
主要包括两部分： 1. Docker与NVIDIA-Docker的安装与配置 2. Caffe镜像使用 1 Docker与NVIDIA-Docker的安装与配置 1.1 Docker安装 Docker安装过程需要使用root权限， 主要有两种安装方式： 1.1.1 Ubuntu14.04 软件源安装 使用Ubuntu14.04系统默认自带的docker.io安装包安装Do
docker gpu 创建 训练环境_ubuntu16.04 docker tensorflow-gpu镜像使用
weixin_28728279的博客
12-24 377
为什么使用docker？原因是：通过docker运行tensorflow-gpu容器可以避免复杂的环境的配置，比如cuda。具体环境配置有多复杂参考：本机安装gpu版本的tf安装参见我的另一篇博客：http://www.cnblogs.com/deepllz/p/8920420.html.而在ubuntu上运行docker tensorflow-gpu镜像，仅仅需要安装nvidia驱动即可，幸运的...
Dockerfile多阶段构建镜像（python）
Lucius_的博客
01-22 2356
Dockerfile多阶段构建镜像
torch1.12.1 vision0.13.1 audio0.12.1 cuda11.6 python3.8 window11安装教程（含在线安装和本地安装）
qwq_xcyyy的博客
01-12 5080
查阅对应关系，选择要下载适配版本的torch。下面这个链接是csdn的一个教程。下面是pip本地安装的下载地址。
Ubuntu 安装 Docker
weixin_48425200的博客
01-01 610
Ubuntu 安装 Docker
GTX1080 + python 3.8 + pytorch 1.12 + cuda 11.6环境配置
Oxalate的博客
05-03 2736
搞了台二手机器，有张GTX1080的显卡，虽然也比较拉跨，但是比之前的纯cpu训练可能要给力点，所以配置了下环境，记录下一些关键过程。要注意在所有安装之前，
docker配置python镜像
03-24
### 如何在 Docker 中配置 Python 镜像 为了在 Docker 中成功配置 Python 镜像，可以按照以下方法完成。以下是详细的说明： #### 使用官方 Python 基础镜像 Docker 提供了官方的 Python 镜像，可以直接通过 `FROM` 指令引入作为基础镜像。这一步骤简化了环境搭建的过程。 ```dockerfile FROM python:3.9-slim-buster ``` 上述命令选择了基于 Debian Buster 的轻量级 Python 3.9 镜像[^4]。 --- #### 创建项目目录并编写必要的文件 构建一个完整的 Python 应用程序需要一些基本文件，例如 `requirements.txt` 和应用程序入口脚本（如 `app.py`）。这些文件应放置在一个专门用于项目的目录中。 假设当前目录结构如下： ``` . ├── app.py └── requirements.txt ``` 其中，`requirements.txt` 文件定义了所需的依赖项，而 `app.py` 是应用的主要执行文件。 --- #### 编写 Dockerfile 创建名为 `Dockerfile` 的文件，并添加以下内容： ```dockerfile # 使用官方 Python 镜像作为基础镜像 FROM python:3.9-slim-buster # 设置工作目录 WORKDIR /app # 将本地代码复制到容器的工作目录 COPY . . # 安装依赖项 RUN pip install --no-cache-dir -r requirements.txt # 运行应用程序 CMD ["python", "app.py"] ``` 此 Dockerfile 执行的操作包括： 1. **指定基础镜像**：使用官方 Python 镜像。 2. **设置工作目录**：将 `/app` 设定为容器内的默认路径。 3. **复制文件**：将主机上的所有文件复制到容器中的对应位置。 4. **安装依赖**：利用 `pip` 工具解析并安装 `requirements.txt` 中列出的所有库。 5. **运行命令**：当容器启动时，默认运行 `app.py` 脚本。 --- #### 构建镜像 在包含 `Dockerfile` 的目录下运行以下命令来构建镜像： ```bash docker build -t my-python-app . ``` 该命令会读取当前目录下的 `Dockerfile` 并将其编译成一个新的镜像，命名为 `my-python-app`[^3]。 --- #### 启动容器 构建完成后，可以通过以下命令启动容器： ```bash docker run -d --name running-python-app -p 8000:8000 my-python-app ``` 这条命令的作用是以后台模式运行容器，并将宿主机的端口 `8000` 映射到容器内部的相同端口。如果应用程序监听的是其他端口，则需调整映射关系。 --- #### 添加 GPU 支持（可选） 如果目标环境中涉及 CUDA 或 TensorFlow 等框架，可能还需要额外配置 NVIDIA-Docker 来启用 GPU 加速功能。具体步骤包括拉取支持 CUDA 的镜像以及挂载数据卷等操作[^2]。 例如，可以从以下地址获取预配置好的 CUDA 镜像： ```bash docker pull nvidia/cuda:11.0-base-ubuntu20.04 ``` 随后，在自定义镜像的基础上集成 Python 及其相关工具即可实现更复杂的场景需求。 --- ### 总结 以上流程涵盖了从零开始配置 Docker 中 Python 镜像的核心环节，包括选用合适的基底镜像、准备必要资源文件、撰写 Dockerfile 描述逻辑直至最终部署上线整个过程。对于初学者而言，建议逐步尝试每一步以加深理解。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会发paper的学渣

您的鼓励和将是我前进的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值