Docker可以提供相互独立的训练环境，一方面可以实现不同用户训练环境的隔离，另一方面docker镜像可以被复用，以避免重复的环境搭建或者不同机器上环境不一致的问题。因此，在深度学习方向的开发机上使用docker是一个较好的实践。

本文介绍在完成NVIDIA-driver的安装后，安装nvidia-docker的过程。

1. 安装docker

可以通过下方命令安装docker

curl https://get.docker.com | sh \
  && sudo systemctl --now enable docker

安装完成后，可以通过以下命令，确认docker已经安装成功。

sudo docker version

2. 配置nvidia源

可以通过下方命令配置nvidia源

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
      && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
      && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
            sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
            sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

3. 安装nvidia-docker

可以通过下方命令安装nvidia-docker

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

安装完成后，配置docker的运行环境，并重启docker

sudo nvidia-ctk runtime configure --runtime=docker

sudo systemctl restart docker

4. 测试安装成功

配置和重启完成后，可以通过下方命令新建容器并进行测试：

sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi

如果安装顺利完成，终端上将打印出机器上的显卡信息。